提问人：AGc 提问时间：3/7/2023 最后编辑：Barbara GendronAGc 更新时间：3/8/2023 访问量：56
比较 2 个 DF，其中一个是另一个 DF 的子集，并且子集的值发生变化，并且只需要为子集的输入更新主 DF
Comparing 2 DF where one is a subset of the other and the values for the subset change and need to update the main one only for the inputs from subset
问：
我有一个包含 4 列的主数据框，可以说：
- 工资
- 名字
- 年龄
- 输出（默认值为 0）。
这将是.然后，我基于此数据帧创建另一个数据帧，但我根据年龄低于 25 岁的人将其过滤掉。这将是.然后我想将每个工资与一个数字进行比较。比较的输出我想把它插入到 in 中，基本上更新了它已经拥有的默认值。然后我想更新仅针对 .我没有直接使用 因为我不想应用上面的过滤器并丢失其他条目。df_maindf_subsetdf_subsetOutputdf_subsetOutputdf_maindf_subsetdf_main
是否有可能以最佳方式做到这一点？
答：
1赞
user19077881
3/7/2023
#1
您可以使用掩码来形成子集，更改子集并使用相同的掩码将更改写回。有关该方法的一个非常简单的示例，请参见下文。注意 - 您必须处理掩码子集的副本。
import pandas as pd
df = pd.DataFrame({ 'col1': [1, 2, 1, 2, 1, 2],
'col2': [1.1, 1.3, 3.4, 4.5, 3.2, 2.6]
})
dfx = df[df['col1'] == 2].copy()
dfx['col2'].where(dfx['col2'] < 2.0, 9.9, inplace = True) # change some values
df['col2'][df['col1'] == 2] = dfx['col2'] # write changes back to df
print(df)
1赞
Corralien
3/7/2023
#2
您可以使用：
# Create a boolean mask
m = df_main['Age'] < 25
df_subset = df_main.loc[m].copy()
# Compare each Wage against a number
number = 3000 # A number for what? Compute difference?
df_subset['Output'] = df_subset['Wage'] - number
# Returns to df_main without overriding existing values
df_main.loc[m, 'Output'] = df_subset['Output']
输出：
>>> df_main
Wage Age Output
0 4658 50 0
1 4758 23 1758
2 4940 29 0
3 4184 37 0
4 4648 48 0
.. ... ... ...
95 1634 63 0
96 3446 23 446
97 2173 53 0
98 1225 44 0
99 3498 25 0
[100 rows x 3 columns]
>>> df_subset
Wage Age Output
1 4758 23 1758
16 2063 21 -937
19 2191 22 -809
30 4552 21 1552
34 1920 23 -1080
42 1389 20 -1611
45 4640 24 1640
64 3065 24 65
76 3966 20 966
81 1033 20 -1967
82 1033 24 -1967
86 4655 22 1655
96 3446 23 446
更直接的方法是：
df_main['Output'] = np.where(df_main['Age'] < 25,
df_main['Wage'] - number, # Age < 25
df_main['Output']) # Other
输入数据帧：
import pandas as pd
import numpy as np
rng = np.random.default_rng(2023)
df_main = pd.DataFrame({'Wage': np.random.randint(1000, 5000, 100),
'Age': np.random.randint(20, 65, 100),
'Output': 0})
print(df_main)
# Output, Name column is not significant here
Wage Age Output
0 2893 34 0
1 1352 21 0
2 1629 23 0
3 1881 49 0
4 2193 34 0
.. ... ... ...
95 4404 31 0
96 2694 50 0
97 4371 33 0
98 3263 34 0
99 2719 45 0
[100 rows x 3 columns]
评论