使用 if 条件 (Pandas) 在不同数据帧上的列之间查找

Question

我有一个结构如下的数据框：

df1 = pd.DataFrame({'animal': ['lab', 'hound', 'terrier', 'retriever', 'sparrow', 'robin', 'blue jay', 'hawk'],
               'type': ['dog', 'dog', 'dog', '', 'bird','bird', '', '']})

和其他结构如下的数据框：

df2 = pd.DataFrame({'animal': ['retriever','hawk'],
               'type': ['dog','bird']})

我想对 df1 上的 'type' 列进行条件查找，以便输出是 df1 中的一个新列，其中填充了以下逻辑，因此它看起来像这样：

df3 = pd.DataFrame({'animal': ['lab', 'hound', 'terrier', 'retriever', 'sparrow', 'robin', 'blue jay', 'hawk'],
               'type': ['dog', 'dog', 'dog', '', 'bird','bird', '', ''],
                'type2': ['dog', 'dog', 'dog', 'dog', 'bird','bird', '', 'bird']})

如果 df1 中有值['type'] 将此值填充到新列 df1['type2'}
如果没有，请查找 df2，如果有匹配值，则将此值填充到 df1['type2]
如果没有，则保留 df1['type2'] null

如有任何帮助，我们将不胜感激！

Answer 1

在这里使用地图和 fillna:

df1['type2'] = df1['animal'].map(df2.set_index('animal')['type']).fillna(df1['type'])

或者：

out = df1.merge(df2,on='animal',suffixes=('','_'),how='left')
df1['type2'] = out['type_'].fillna(out['type']).rename('type2')

print(df1)

      animal  type type2
0        lab   dog   dog
1      hound   dog   dog
2    terrier   dog   dog
3  retriever         dog
4    sparrow  bird  bird
5      robin  bird  bird
6   blue jay            
7       hawk        bird

Answer 2

这样做就可以了：

import numpy as np

# build lookup table for all animals from df1, based on df2:
df2 = df2.set_index("animal").reindex(df1["animal"].unique()).fillna("")

df1["type2"] = np.where(df1["type"].str.len()>0, df1["type"], df2["type"].loc[df1["animal"]].reset_index(drop=True))

输出：

      animal  type type2
0        lab   dog   dog
1      hound   dog   dog
2    terrier   dog   dog
3  retriever         dog
4    sparrow  bird  bird
5      robin  bird  bird
6   blue jay
7       hawk        bird

使用 if 条件 (Pandas) 在不同数据帧上的列之间查找

Lookup between columns on different dataframes with if condition (Pandas)

lookup

conditional-statements

pandas