使用 loc 和 map 更改多列中的值

Question

我有两个 DataFrame，它们具有相同的列名，并且每一行都有唯一的 Import_ID。我想基于相同的 Import_ID 将 df1 到 df2 的 2 列中的缺失值导入。

我已经为一列执行此操作并且效果很好，但我想同时为两列执行此操作。 对于我写的一篇专栏文章：

df2.loc[(numpy.isnan(df2['DeliveryNoteNo']))& (~numpy.isnan(df1['DeliveryNoteNo'])), 'DeliveryNoteNo'] = df2['Import_ID'].map(df1.set_index('Import_ID')['DeliveryNoteNo'])

这很好用，所以我想对 2 列做同样的事情，这样每次我做更新时都会做 df2 它也会给出更新的日期。

我试过这个，但它只返回一个错误：“TypeError: 'DataFrame' object is not callable”

df2.loc[(numpy.isnan(df2.InvoiceNo))& (~numpy.isnan(df1['InvoiceNo'])), ['InvoiceNo','Modified_Date']] = df2['Import_ID'].map(df1.set_index('Import_ID')[['InvoiceNo', 'Modified_Date']])

例如： df1：

     InvoiceNo     OrderNo  DeliveryNoteNo     Modified_Date   Import_ID
0   950094591.0  7027514279    1.000000e+00  23-08-2019 14:30  7027514279_100
1   950094591.0  7027514279    2.000000e+00  23-08-2019 14:30  7027514279_100.1
2                7027514279                  23-08-2019 14:30  7027514279_100.2

df2:

     InvoiceNo     OrderNo  DeliveryNoteNo     Modified_Date   Import_ID
0                7027514279    1.000000e+00  21-08-2019 14:30  7027514279_100
1   950094591.0  7027514279                  21-08-2019 14:30  7027514279_100.1
2                7027514279                  21-08-2019 14:30  7027514279_100.2

df2 稍后应如下所示：

     InvoiceNo     OrderNo  DeliveryNoteNo     Modified_Date   Import_ID
0   950094591.0  7027514279    1.000000e+00  23-08-2019 14:30  7027514279_100
1   950094591.0  7027514279    2.000000e+00  23-08-2019 14:30  7027514279_100.1
2                7027514279                  21-08-2019 14:30  7027514279_100.2

Answer 1

试试这个

df2.set_index('Import_ID').combine_first(df1.set_index('Import_ID')).reset_index(drop=True)

输出：

        InvoiceNo     OrderNo  DeliveryNoteNo     Modified_Date
0     950094591.0  7027514279             1.0  21-08-2019 14:30
1     950094591.0  7027514279             2.0  21-08-2019 14:30
2             NaN  7027514279             NaN  21-08-2019 14:30

Answer 2

您是否尝试过将map 与fillna 结合使用的非详尽映射？

基本上，您需要先根据df1 中的列值创建两个字典，以将要更新的值放在df2 的2 列中：

dictionary_1 = dict(zip(df1['Import_ID'], df1['DeliveryNoteNo']))
dictionary_2 = dict(zip(df1['Import_ID'], df1['InvoiceNo']))

然后，您使用这些字典更新df2，但如果返回False，则使用带有等于df2 列中原始值的参数的fillna：

df2['DeliveryNoteNo'] = df2['Import_ID'].map(dictionary_1).fillna(df2['DeliveryNoteNo'])

对要更新的第二列执行相同操作：

df2['InvoiceNo'] = df2['Import_ID'].map(dictionary_1).fillna(df2['InvoiceNo'])

如果map 返回False，则fillna 参数不会为您的列提供Nan 值，这意味着它不会更新任何与键中ID 不同的现有值在你的两个字典里。

希望这会有所帮助:))。