给定以下两个数据框：
df1：
id city district year price
0 1 bjs cyq 2018 12
1 2 bjs cyq 2019 6
2 3 sh hp 2018 4
3 4 shs hpq 2019 3
df2：
id city district year
0 1 bj cy 2018
1 2 bj cy 2019
2 4 sh hp 2019
比方说，在一些值city，并district从df1有错误，所以我需要更新city和district价值观df1与那些df2基于id，我预期的结果是这样的：
id city district year price
0 1 bj cy 2018 12
1 2 bj cy 2019 6
2 3 sh hp 2018 4
3 4 sh hp 2019 3
我该如何在熊猫中做到这一点？谢谢。
更新：
解决方案1：
cities = df2.set_index('id')['city']
district = df2.set_index('id')['district']
df1['city'] = df1['id'].map(cities)
df1['district'] = df1['id'].map(district)
解决方案2：
df1[["city","district"]] = pd.merge(df1,df2,on=["id"],how="left")[["city_y","district_y"]]
print(df1)
出：
id city district year price
0 1 bj cy 2018 12
1 2 bj cy 2019 6
2 3 NaN NaN 2018 4
3 4 sh hp 2019 3
请注意city，并district为idIS3是NaNS，但我想，从保留值df1。
尝试combine_first：
df2.set_index('id').combine_first(df1.set_index('id')).reset_index()
输出：
id city district price year
0 1 bj cy 12.0 2018.0
1 2 bj cy 6.0 2019.0
2 3 sh hp 4.0 2018.0
3 4 sh hp 3.0 2019.0
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