更新基於另一個數據框

鑑於數據幀df一個數據幀：更新基於另一個數據框

Id Sex Group Time Time! 
0 21 M  2 2.31 NaN 
1 2 F  2 2.29 NaN

和update：

Id Sex Group Time 
0 21 M  2 2.36 
1 2 F  2 2.09 
2 3 F  1 1.79

我想匹配Id，Sex和Group，要麼更新Time!與Time值（從df）如果匹配，或者插入新記錄。

這是我如何做到這一點：

df = df.set_index(['Id', 'Sex', 'Group']) 
update = update.set_index(['Id', 'Sex', 'Group']) 

for i, row in update.iterrows(): 
    if i in df.index: # update 
     df.ix[i, 'Time!'] = row['Time'] 
    else:    # insert new record 
     cols = up.columns.values 
     row = np.array(row).reshape(1, len(row)) 
     _ = pd.DataFrame(row, index=[i], columns=cols) 
     df = df.append(_) 

print df 

       Time Time! 
Id Sex Group    
21 M 2  2.31 2.36 
2 F 2  2.29 2.09 
3 F 1  1.79 NaN

的代碼似乎工作，我想結果與上述一致。不過，我已經注意到了這個faultily表現上了一個大的數據集，與條件

if i in df.index: 
    ... 
else: 
    ...

工作顯然是錯誤的（它會繼續else和副詩句，它應該不會，我想，這多指標可能不知何故）。

所以我的問題是，你知道任何其他方式，或更強大的版本，我更新一個DF基於另一個DF？

來源

2014-02-25 nutship

我認爲您的預期存在一個錯誤，2.09行在更新中沒有組= 1。 –

我認爲你的預期產出有一個錯字順便說一句。在你提供的例子中沒有'（2，F，1）' – TomAugspurger

確定Andy，首先你擊敗我的回答，現在我的評論:) – TomAugspurger

我想我會用合併來做到這一點，然後用where來更新列。首先刪除時間列：

In [11]: times = up.pop('Time') # up = the update DataFrame 

In [12]: df1 = df.merge(up, how='outer') 

In [13]: df1 
Out[13]: 
    Id Sex Group Time Time! 
0 21 M  2 2.31 NaN 
1 2 F  2 2.29 NaN 
2 3 F  1 NaN NaN

更新時間，如果它不是NaN和時間！如果是NaN：

In [14]: df1['Time!'] = df1['Time'].where(df1['Time'].isnull(), times) 

In [15]: df1['Time'] = df1['Time'].where(df1['Time'].notnull(), times) 

In [16]: df1 
Out[16]: 
    Id Sex Group Time Time! 
0 21 M  2 2.31 2.36 
1 2 F  2 2.29 2.09 
2 3 F  1 1.79 NaN

來源

2014-02-25 23:26:52

更新基於另一個數據框

回答

相關問題