用修改后的 .copy() 行替换原始 DataFrame 的行：将 .copy() 结果与原始 DataFrame 合并

Posted 2023-03-12

【中文标题】用修改后的 .copy() 行替换原始 DataFrame 的行：将 .copy() 结果与原始 DataFrame 合并

【英文标题】：Replacing rows of original DataFrame with modified .copy() rows: Merging .copy() results with Original DataFrame

【发布时间】：2019-11-21 10:07:15

【问题描述】：

我使用 .copy()（命名为“df_copy”）提取了一个大型 DataFrame（称为“df”）的一部分，并应用了某些函数来创建一个新列“Category”。

不过，我还给了“df”一个名为“Category”的列，并为该列分配了一些其他值。 “df_copy”中的所有其他值/列与“df”中它们各自的值/列相同：唯一的区别是“类别”列。

为了理解，

原始数据帧：

df 是 100 行 3 列。 df_copy 是 df 的 5 行，具有相同的列。

处理后：

df 是 100 行，4 列（新列是“类别”），其中 5 行的“类别”列具有“NaN” df_copy 是 5 行 4 列，新列是 'Category'，它的值不在 df 中。

基本上，我想用来自 df_copy 的当前后处理行替换我从 df 获取的行（原始 df_copy DataFrame 中的行）。

我尝试过不同形式的合并：

左合并，不指定“on”：最初复制到 df_copy 中的行的 Category 列的结果为“NA” 右合并，不指定'on'：和df_copy一样 左合并，在 df 和 df_copy 之间没有变化的一列上（例如，“Number”）：每一列都是重复的：“Number_x”、“Number_y”、“Category_x”、“Category_y”。

【参考方案1】：

您是否尝试过使用 df.where()？

df = df.where(df['Category'].isna(), df_copy)

【讨论】：

这将 df 更改为仅在 df_copy 中的行中具有值-其他行对于每列都是 N/A

不得不进一步研究 df.where()，但这是正确的答案。如果 df['Category'].isna() 为 True，则保留原始值。如果为 false，则替换为 df_copy。