根据条件替换 Python 数据框的子集

Question

我有 2 个 dfs：

df = pd.DataFrame({'Friend1':['Amy','Bob','Charlie'],'Friend2':['Dan','Ellie','Fred'],'a':[1,2,3], 'b':[4,5,6], 'c':[7,8,9]})

    Friend1 Friend2 a   b   c
0   Amy     Dan     1   4   7
1   Bob     Ellie   2   5   8
2   Charlie Fred    3   6   9

df2 = pd.DataFrame({'Friend1:['Zack','Yuna'],'Friend2':['Bob','Charlie'], 'b':[100,200], 'c':[300,400]})

    Friend1 Friend2 b   c
0   Zack    Bob     100 300
1   Yuna    Charlie 200 400

如何将 df2 中的内容替换为 df 以便新的 df 变为：

    Friend1 Friend2 a   b   c
0   Amy     Dan     1   4   7
1   Bob             2   100 300
2   Charlie         3   200 400

请注意，我需要在新 df 中为 Bob 和 Charlie 设置 Friend 2 为空。

我尝试过类似的东西

df.loc[df[df.Friend1.isin(['Bob','Charlie'])].index,'b':'c'] = df2.drop(['Friend1','Friend2'],axis=1)

但它不起作用。救命！

Answer 1

您可能最终想使用df.update。首先，重新索引您的两个数据框：

df=df.set_index('Friend1')
df2=df2.set_index('Friend2')

然后根据df2中的信息更新df：

df.update(df2)

鉴于您需要在新 df 中为 Bob 和 Charlie 留空 Friend 2，您可以使用：

df.loc[df.index.isin(['Bob','Charlie']),'Friend2']=None

给你输出：

        Friend2  a      b      c
Friend1                         
Amy         Dan  1    4.0    7.0
Bob        None  2  100.0  300.0
Charlie    None  3  200.0  400.0

如果您无法重新索引，请尝试：

df.loc[df['Friend1'].isin(['Bob','Charlie']),'Friend2']=None
df.loc[df['Friend1'].isin(['Bob','Charlie']),['b','c']]=df2.loc[:,['b','c']].values

为您提供相同的输出。但这取决于您原始数据框的外观，代码不像df.update 那样动态！