熊貓：基於更大的數據框更新Dataframe的系列

Question

我試圖用熊貓來實現一些看起來很簡單的東西，但是我在經過幾次不重要的測試之後卡住了。

這是事情。我有一個數據框（我們稱之爲街道）只有兩個系列：街道名稱和與之相關的性別：

 name        gender 
0 Abraham Lincoln Avenue   undefined 
1 Donald Trump Dead End   undefined 
2 Hillary Clinton Street   undefined 
... 
1754 Ziggy Marley Boulevard   undefined 

在另一方面，我有一個其他數據框（我們稱之爲fnames），非常非常巨大。它有四大系列：

 gender gender_detail main_gender  first_name 
0  F  Female   Female   Aaf 
1  F  Female   Female   Aafke 
2  F  Female   Female   Aafkea 
3  M  Male   Male    Aafko 
... 
40211 F  Female   Female   Zyta 

所以像你已經猜到肯定，我會用fnames的「FIRST_NAME」系列，以檢查名字的一個出現或不街道的「名稱」系列。

如果找到了第一個名字，我會更新街道上的'性別'系列，並將其名爲「性別」的名人系列的相關價值更新。如果不是，我讓'未定義'。

很明顯，我不能使用兩個for循環，因爲Dataframes的大小......有沒有什麼快速的解決方案來實現呢？

例如，我應該創建一個只有名字作爲關鍵字和性別作爲值更高效的字典嗎？

PS：我不知道它是否可以簡化問題，但我的兩個數據框按字母順序排序！

Answer 1

是的，我想你可以通過split通過whitespace使用dict與分裂柱name的map和str[0]選擇的第一價值，最後更換NaN通過fillna：

print (df1) 
         name  gender 
0  Abraham Lincoln Avenue undefined 
1  Donald Trump Dead End undefined 
2  Hillary Clinton Street undefined 
3     Aaf Street undefined 
1754 Ziggy Marley Boulevard undefined 

print (df2) 
     gender gender_detail main_gender first_name 
0   F  Female  Female  Aaf 
1   F  Female  Female  Aafke 
2   F  Female  Female  Aafkea 
3   F  Female  Female  Aafko 
40211  F  Female  Female  Zyta 

d = df2.set_index('first_name')['gender'].to_dict() 
print (d) 
{'Zyta': 'F', 'Aaf': 'F', 'Aafkea': 'F', 'Aafke': 'F', 'Aafko': 'F'} 

print (df1['name'].str.split().str[0]) 
0  Abraham 
1  Donald 
2  Hillary 
3   Aaf 
1754  Ziggy 
Name: name, dtype: object 

df1['gender'] = df1['name'].str.split().str[0].map(d).fillna('undefined') 
print (df1) 
         name  gender 
0  Abraham Lincoln Avenue undefined 
1  Donald Trump Dead End undefined 
2  Hillary Clinton Street undefined 
3     Aaf Street   F 
1754 Ziggy Marley Boulevard undefined