我有两个csv,当作为数据帧读取时,看起来像这样:
df:
TargetIndex Current1 Current2 Current3
0 0 'D' 'D' 'G'
1 2 0 'E' 'F'
2 0 'A' 'E' 'F'
3 1 0 0 0
4 0 'A' 0 'A'
5 3 'G' 0 0
6 2 'F' 'E' 0
7 4 0 0 0
df2:
TargetIndex Target1 Target2 Target3
0 1 'A' 'A' 'A'
1 2 'B' 'B' 'B'
2 3 'C' 'C' 'C'
3 4 'A' 'B' 'C'
我想做的是仅0
将Current
列中的值替换为列中的值Target
。但是,仅在TargetIndex
值不是的行上0
。
我当然对Python缺乏经验,通常我会在excel中使用附加列和LOOKUP函数的组合,因此我很费劲。
我到目前为止已经做的是读了一堆线程在这里,并尝试各种用途.loc
,.isin
,.replace
,和.map
在其他的东西,但我发现它很难申请的条件TargetIndex != 0
和CurrentX == 0
。
我发现困难的另一件事是首先使用第二个数据帧,我试图使它成为一个.dict
有限的成功,以至于我确实知道它是如何工作的,我不能完全应用它。
我确实设法将期望的结果反向工程为以下意大利面条代码:
df['Target1'] = df['TargetIndex'].map(df2.set_index('TargetIndex')['Target1'])
df['Target2'] = df['TargetIndex'].map(df2.set_index('TargetIndex')['Target2'])
df['Target3'] = df['TargetIndex'].map(df2.set_index('TargetIndex')['Target3'])
S1 = df.Current1 == 0
S2 = df.Current2 == 0
S3 = df.Current3 == 0
df.loc[S1, 'Current1'] = df['TargetIndex']
df.loc[S2, 'Current2'] = df['TargetIndex']
df.loc[S3, 'Current3'] = df['TargetIndex']
df.replace({'Current1': { 1 : 'A', 2 : 'B', 3 : 'C', 4 : 'A'}}, inplace=True)
df.replace({'Current2': { 1 : 'A', 2 : 'B', 3 : 'C', 4 : 'B'}}, inplace=True)
df.replace({'Current3': { 1 : 'A', 2 : 'B', 3 : 'C', 4 : 'C'}}, inplace=True)
df.drop(df.columns[[4, 5, 6]], axis=1, inplace=True)
确实确实产生了预期的结果:
df:
TargetIndex Current1 Current2 Current3
0 0 'D' 'D' 'G'
1 2 'B' 'E' 'F'
2 0 'A' 'E' 'F'
3 1 'A' 'A' 'A'
4 0 'A' 0 'A'
5 3 'G' 'C' 'C'
6 2 'F' 'E' 'B'
7 4 'A' 'B' 'C'
但是,它需要手动输入要替换的内容,而当df2 csv包含5000多个行时,效率不高或不可行。必须有一种更好的方法来执行此操作,而我只是没有看到或正确地理解它,因此我认为我也可以问一下。
如果列数相同,则可以使用:
#create index with
df1 = df1.set_index('TargetIndex')
df2 = df2.set_index('TargetIndex')
#set same columns names for align data
df2.columns = df1.columns
#replace 0 with NaNs and replace NaNs by df2
df = df1.mask(df1 == 0).combine_first(df2)
print (df)
Current1 Current2 Current3
TargetIndex
0 'D' 'D' 'G'
0 'A' 'E' 'F'
0 'A' NaN 'A'
1 'A' 'A' 'A'
2 'B' 'E' 'F'
2 'F' 'E' 'B'
3 'G' 'C' 'C'
4 'A' 'B' 'C'
如果顺序很重要,请添加reset_index
排序:
df1 = df1.reset_index().set_index('TargetIndex')
df2 = df2.set_index('TargetIndex')
df2.columns = df1.columns[1:]
df = (df1.mask(df1 == 0)
.combine_first(df2)
.sort_values('index')
.drop('index', 1)
.reset_index()
.fillna(0))
print (df)
TargetIndex Current1 Current2 Current3
0 0 'D' 'D' 'G'
1 2 'B' 'E' 'F'
2 0 'A' 'E' 'F'
3 1 'A' 'A' 'A'
4 0 'A' 0 'A'
5 3 'G' 'C' 'C'
6 2 'F' 'E' 'B'
7 4 'A' 'B' 'C'
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句