pandas/python 中的最佳数据库查找和更新

Question

理论上 database/coding 在这里查询 - Python / Pandas 数据帧相关。我在 table 中处理多达 50k 行，因此最佳解决方案似乎...呃，最佳。而且我也不是编码专家，所以请耐心等待。

我有一个 table 具有唯一的子 code/country 对行，一些具有匹配的父 codes.Eg:

Index | Parent | Child | Country | NewValue
0     |  A     |  A-1  |  X      | Null
1     |  A     |  A-1  |  Y      | Null 
2     |  A     |  A-2  |  X      | Null
3     |  B     |  B-1  |  X      | Null
4     |  B     |  B-2  |  Y      | Null

我需要用计算出的唯一值 (NewValue) 更新每个父/国家/地区对。在每一行中查找和更新每一对的最佳方法是什么？

到目前为止，我正在生成一个单独的唯一父/国家对列表（以避免不必要地为每一行计算 NewValue；我只是遍历此列表为每一对生成 NewValue），例如：

Parent | Country
A      |  X
A      |  Y
B      |  X
B      |  Y

现在，是否最好简单地在第一个 table 中为每个给定的 parent/country 匹配项进行查找，获取任何匹配行的行索引，然后通过行索引进行更新？

或者，以包含任何相关索引的方式生成第二个 table，并使用这些索引更新第一个 table？例如：

Parent | Country | Index(s)
A      | X       | 0,2
A      | Y       | 1
B      | X       | 3
B      | Y       | 4

如果是2，怎么办？因为我使用 df.unique() 来生成第二个 table，我每对只得到一个索引，而不是任何数学索引（而且我不确定如果我这样做它们会如何显示).而且我不确定这两种方式是否特别好，但这是我一天中想到的最好的 :o)

谢谢，

克里斯托弗/pepsi_max2k

Answer 1

您可能需要查看 merge 函数。

你需要做的是

df_children.merge(df_parent, on=["Parent","Country"])

pandas/python 中的最佳数据库查找和更新

Optimal database lookup and update in pandas/python

python

sql

pandas

cursor

pyodbc