如果多个列与字典中的值匹配，则用值填充数据框列

Question

我有两个数据框 - 一个包含多个分类列的大型数据框和一个包含缺失值的列，另一个是具有相同分类列和一个具有键值的列的字典。

本质上，如果所有分类列都匹配，我想用第二个中的键值填充大型数据框中的缺失值。

缺失值df：

    Color      Number    Letter       Value
0   Red          2          B          NaN
1   Green        2          A          NaN 
2   Red          2          B          NaN
3   Red          1          B          NaN
4   Green        1          A          NaN
5   Red          2          B          NaN
6   Green        1          B          NaN
7   Green        2          A          NaN

字典df：

    Color      Number    Letter       Value
0   Red          1          A          10
1   Red          1          B           4
2   Red          2          A           3
3   Red          2          B          15
4   Green        1          A          21
5   Green        1          B           9
6   Green        2          A          22
7   Green        2          B           1

所需的df：

0   Red          2          B          15
1   Green        2          A          22 
2   Red          2          B          15
3   Red          1          B          4
4   Green        1          A          21
5   Red          2          B          15
6   Green        1          B          9
7   Green        2          A          22

我不确定是否应该将“字典 df”作为实际字典，还是将其保留为数据框（从 csv 中提取）。

这是否可以在没有无数 if else 语句的情况下干净地完成？

谢谢！

Answer 1

这行得通吗？

>>> df_1[['Color', 'Number', 'Letter']].merge(df_2, 
...                                           on=('Color', 'Number', 'Letter'),   
...                                           how='left')
   Color  Number Letter  Value
0    Red       2      B     15
1  Green       2      A     22
2    Red       2      B     15
3    Red       1      B      4
4  Green       1      A     21
5    Red       2      B     15
6  Green       1      B      9
7  Green       2      A     22

认为值得一提 - 一种将 stackoverflow pandas 问题中的示例转换为数据框的非常简单的方法，只需将其剪切并粘贴到这样的字符串中：

>>> df_1 = pd.read_csv(StringIO("""
...     Color      Number    Letter       Value
... 0   Red          2          B          NaN
... 1   Green        2          A          NaN
... 2   Red          2          B          NaN
... 3   Red          1          B          NaN
... 4   Green        1          A          NaN
... 5   Red          2          B          NaN
... 6   Green        1          B          NaN
... 7   Green        2          A          NaN
... """), sep=r'\s+')

Answer 2

试试：

missing_df.reset_index()[['index', 'Color', 'Number', 'Letter']]\
          .merge(dict_df, on = ['Color', 'Number', 'Letter'])\
          .set_index('index').reindex(missing_df.index)

输出：

  Color  Number Letter  Value
0    Red       2      B     15
1  Green       2      A     22
2    Red       2      B     15
3    Red       1      B      4
4  Green       1      A     21
5    Red       2      B     15
6  Green       1      B      9
7  Green       2      A     22

Answer 3

我会打电话的 缺失值df为：df 和 Dictionary df as：ddf，将两者都视为数据帧

首先从缺失值df中删除空值列：

df.drop(['Value'], axis=1)

第二次运行下面的命令，它应该会为你完成任务。

df.assign(Value=ddf['Value'])