基于另一个dataframe更改dataframe列中的值

Question

我见过很多类似的问题，但没有回答我想要做的事情。

我有两个数据

包含手动输入的名称和公司详细信息的

• Conn_df (例如，包含清理公司名称的Conn_df["Name", "Company_name", "Company_Address"]
• Cleanse_df (例如Cleanse_df["Original_Company_Name", "Cleanse_Company_Name"]

))

这两个文件的数据都保存在导入到脚本中的csv文件中。

我想使用Conn_df.Company_Name中的值来更改Cleanse_df中的公司详细信息，其中Conn_df.Company_Name等于Cleanse_df.Original_Company_Name，并由Cleanse_df.Cleanse_Company_Name代替。

我试过：

Conn_df["Company"] = Conn_df["Company"].replace(Conn_df["Company"], Cleanse_df["Cleansed"])但

替换()不使用关键字参数

我也试过：

Conn_df["Company"] = Conn_df["Company"].map(Cleanse_df.set_index("Original")["Cleansed"])但

仅对唯一值索引对象有效的

重新索引

任何关于如何得到要替换的值的建议。我要注意的是，这两种数据格式都会运行到数万行，因此创建手动列表是不可能的。

Answer 1

我想你想要这样的东西：

conn_df = pd.DataFrame({'Name':['Mac','K','Hutt'],
                    'Company_name':['McD','KFC','PH'],
                    'Company_adress':['street1','street2','street4']})
cleanse_df = pd.DataFrame({'Original_Company_Name':['McD'],'Cleanse_Company_Name': 
['MacDonalds']})
cleanse_df = cleanse_df.rename(columns={'Original_Company_Name':'Company_name'})
merged_df = conn_df.merge(cleanse_df,on='Company_name',how='left')
merged_df['Cleanse_Company_Name'].fillna(merged_df['Company_name'],inplace=True)
final_df =  merged_df[['Name','Company_adress','Cleanse_Company_Name']]\
    .rename(columns={'Cleanse_Company_Name':'Company_name'})

这将返回：

   Name Company_adress Company_name
0   Mac        street1   MacDonalds
1     K        street2          KFC
2  Hutt        street4           PH

您可以合并这两个dataframes，然后保留已替换的新值，如果没有替换名称的值，则名称将保持不变，这是通过and命令完成的。