我有两个数据帧F1和F2,包含列id1,id2。
F1包含两列F1[id1,id2]
。
F2包含三列[id1,id2,描述]我想测试F2['id1']
中的F1['id1']
exists或者F2 ['id2'] exists in
F1 ['id2']然后我必须在F1中添加一个colmun与F2中的id1或id2的描述。 F1和F2的比赛是are HERE。我参加F1的输出是 also HERE我创造了F1和F2这样的
F1 = {'id1': ['x22', 'x13','NaN','x421'],'id2':['NaN','223','788','NaN']}
F1 = pd.DataFrame(data=F1)
F2 = {'id1': ['x22', 'NaN','NaN','x413','x421'],'id2':['NaN','223','788','NaN','233'],'Description':['California','LA','NY','Havnover','Munich']}
F2 = pd.DataFrame(data=F2)
其实我尝试了几种解决方案。但没有什么能帮助我做到这一点。请帮忙
使用:
#if necessary replace string NaN to missing values
F1 = F1.replace('NaN', np.nan)
F2 = F2.replace('NaN', np.nan)
对于每一列,删除DataFrame.drop_duplicates
的重复项,DataFrame.dropna
丢失的valeus,并通过id
的DataFrame.set_index
列创建索引:
s1 = F2.drop_duplicates('id1').dropna(subset=['id1']).set_index('id1')['Description']
s2 = F2.drop_duplicates('id2').dropna(subset=['id2']).set_index('id2')['Description']
然后使用来自Series.map
和F1
的列的Series.combine_first
:
F1['Description'] = F1['id1'].map(s1).combine_first(F1['id2'].map(s2))
print (F1)
id1 id2 Description
0 x22 NaN California
1 x13 223 LA
2 NaN 788 NY
3 x421 NaN Munich