假设我有两个原始的DataFrame：
df1 = pd.DataFrame({"ID": [101, 102, 103], "Price":[12, 33, 44], "something":[12,22,11]})
df2 = pd.DataFrame({"ID": [101, 103], "Price":[122, 133]})
它显示如下：
ID Price something
0 101 12 12
1 102 33 22
2 103 44 11
和
ID Price
0 101 122
1 103 133
由于我没有为任何列设置任何索引,因此我想知道如果两个DataFrame具有相同的ID时如何更新df1.对于此示例,我希望可以得到如下结果：
ID Price something
0 101 122 12
1 102 33 22
2 103 133 11
可以看到,我只关心价格列.我现在尝试过的是：
pd.concat([df1,df2]).drop_duplicates(['ID'],keep='last')
但这只是告诉我：
ID Price something
1 102 33 22.0
0 101 122 NaN
1 103 133 NaN
我不希望任何其他列的值被更改.
我想保持df1行的顺序.
更新
运行答案代码后,我继续尝试更多操作,发现列的顺序将发生变化,因为我们使用reset_index,这与索引有关.所以我希望有人能指出我如何保持DataFrame的原始位置.现在,它看起来像下面的样子：
In [180]: df1 = pd.DataFrame({"ss":[12,22,11], "ID": [101, 102, 103], "Price":[12, 33, 44], "something":[12,22,11]})
...: df2 = pd.DataFrame({"ID": [101, 103], "Price":[122, 133]})
In [181]: df1.set_index('ID',inplace=True)
...: df1.update(df2.set_index('ID'))
...: df1.reset_index(inplace=True)
In [182]: df1
Out[182]:
ID ss Price something
0 101 12 122.0 12
1 102 22 33.0 22
2 103 11 133.0 11
解决方法:
合并后使用np.where和isin更新df1中的价格
df1.Price=np.where(df1.ID.isin(df2.ID),df1.merge(df2,on='ID',how='left')['Price_y'],df1.Price)
df1
ID Price something
0 101 122.0 12
1 102 33.0 22
2 103 133.0 11
使用更新：
df1.set_index('ID',inplace=True)
df1.update(df2.set_index('ID'))
df1.reset_index(inplace=True)
df1
ID Price something
0 101 122.0 12
1 102 33.0 22
2 103 133.0 11
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
