在 python pandas 中添加类似于 sql 操作的新列

Question

sql操作如下：

   UPDATE table_A s SET t.stat_fips=s.stat_fips
   WHERE t.stat_code=s.stat_code;

如果需要对 csv A 进行类似的操作，比较来自 csv B 的一些值如何在 Python 中实现？

数据： 让我们假设 -

CSV A
col1 stat_code 名称
ABC WY ABC
定义 NA 定义
GHI AZ GHI

CSV B
stat_fips stat_code
第2234章
4344 不适用
4588 亚利桑那州


生成的 CSV ：

col1 stat_code 名称 stat_fips
ABC WY ABC 2234
定义 NA 定义 4344
ghi AZ GHI 4588

到目前为止添加尝试的代码：

    df = pd.read_csv('fin.csv',sep='\t', quotechar="'") 
    df = df.set_index('col1').stack(dropna=False).reset_index
    df1['stat_fips'] = df1['stat_code'] 
    print df1

（对 pandas 不太确定。学习基础知识）

Answer 1

判断您的示例数据，这看起来像您的 stat_code 列上的合并操作：

import pandas as pd

df_a = pd.DataFrame([["abc", "WY", "ABC"], ["def", "NA", "DEF"]], columns= ["col1", "stat_code", "name"])
df_b = pd.DataFrame([[2234, "WY"], [4344, "NA"]], columns=["stat_fips", "stat_code"])

merged_df = pd.merge(df_a, df_b, on="stat_code", how="left")
print(merged_df)

  col1 stat_code name  stat_fips
0  abc        WY  ABC       2234
1  def        NA  DEF       4344

Answer 2

看来你需要map by dict d:

d = df2.set_index('stat_code')['stat_fips'].to_dict()
df1['stat_fips'] = df1['stat_code'].map(d)
print (df1)

  col1 stat_code name  stat_fips
0  abc        WY  ABC       2234
1  def       NaN  DEF       4344
2  ghi        AZ  GHI       4588

或merge 左连接：

df3 = pd.merge(df1, df2, on='stat_code', how='left')
print (df3)

  col1 stat_code name  stat_fips
0  abc        WY  ABC       2234
1  def       NaN  DEF       4344
2  ghi        AZ  GHI       4588