使用其他数据框和系列快速替换 pandas 数据框的信息

Question

我目前正在尝试使用另一个 DataFrame 和一系列用于我的模拟分析来替换 DataFrame 的信息。

玩具示例如下

A为用户信息DataFrame，B为服务信息DataFrame，C为用户是否更换服务系列信息

TableA (user's current service info):
        cost   location
John    100    Tokyo
Tom     50     Seoul
Andy    50     Seoul
Mark    80     Seoul

TableB (service info):
             cost    location
premium_T    100     Tokyo
basic_T      60      Tokyo
premium_S    80      Seoul
basic_S      50      Seoul

Table C (service change info):
        change        
John    no  
Tom     no     
Andy    premium_S      
Mark    basic_S

使用上述数据，我想更改 Table A 中的信息，使用 Table B 和 C 中的数据。换句话说，我希望：

TableA' (modified user's service info):
        cost   location
John    100    Tokyo
Tom     50     Seoul
Andy    80     Seoul
Mark    50     Seoul

我使用的代码是：

TableA = pd.DataFrame(index = ['John', 'Tom', 'Andy', 'Mark'], 
                      data = {'cost': [100,50,50,80],
                     'location': ['Tokyo', 'Seoul', 'Seoul', 'Seoul']})

TableB = pd.DataFrame(index = ['premium_T', 'basic_T', 'premium_S', 'basic_S'],
                      data = {'cost': [100, 60, 80, 50],
                     'location': ['Tokyo','Tokyo','Seoul','Seoul']})  
    
TableC = pd.Series( ['no', 'no', 'premium_S', 'basic_S'], index = ['John', 'Tom', 'Andy', 'Mark'])
    
customer_list = TableA.index.tolist()

for k in customer_list:
    if TableC.loc[k] != 'no':
        TableA.loc[k] = TableB.loc[TableC.loc[k]]

代码有效，并提供了我想要的结果。

但是，我必须为一个非常大的数据集重复做这样的工作，我需要更快的方法来做这样的替换。

有什么想法吗？我认为重复使用 .loc 是问题所在，但我还没有找到可能的解决方案。我看过 pd.update() 或 pd.replace()，但它似乎不是我要找的。

Answer 1

如果我们将所有内容都转换为具有命名列的数据框，我们可以使用合并来提取正确的信息：

TableA = TableA.reset_index().rename({'index': 'person'}, axis='columns')
TableB = TableB.reset_index().rename({'index': 'cost_plan'}, axis='columns')
TableC = TableC.to_frame(name='cost_plan').reset_index().rename({'index': 'person'}, axis='columns')

new_costs = TableA.merge(TableC, how='left').merge(TableB, how='left',
                                                   on=['location', 'cost_plan'],
                                                   suffixes=['_old', '_new'])

new_costs['cost_new'].fillna(new_costs['cost_old'], inplace=True)

new_costs 然后看起来像：

  person  cost_old location  cost_plan  cost_new
0   John       100    Tokyo         no     100.0
1    Tom        50    Seoul         no      50.0
2   Andy        50    Seoul  premium_S      80.0
3   Mark        80    Seoul    basic_S      50.0

Answer 2

首先使用 reindex 和布尔索引从 TableC 计算范围内的客户：

idx = TableC.reindex(TableA.index & TableC.index)
idx = idx[idx != 'no']

然后通过 loc 更新 TableA:

TableA.loc[np.in1d(TableA.index, idx.index)] = TableB.reindex(idx.values).values

结果：

       cost location
John  100.0    Tokyo
Tom    50.0    Seoul
Andy   80.0    Seoul
Mark   50.0    Seoul

使用其他数据框和系列快速替换 pandas 数据框的信息

Quickly replacing information of a pandas dataframe using other dataframe and series

python

performance

dataframe

pandas

pandas-loc