dataframe按条件取某个值 dataframe按条件筛选数据 pandas的dataframe可以连续切片吗

本文介绍了如何使用Pandas DataFrame，根据另一个DataFrame中的数据，高效地更新满足特定条件的多行数据。通过map()函数结合set_index()，避免了循环操作，实现了快速且简洁的数据更新。利用map()函数更新DataFrame

在Pandas中，我们经常需要根据一个DataFrame的信息来更新另一个DataFrame 。 SecurityID 两列，并且 df2 中符号列的值在 df1 中可能存在多个相同的行。我们的目标是，对于 df1 中 Symbol 列值相同的行，将其 SecurityID 更新为 df2 中对应 Symbol 的 SecurityID 值。

解决方案：

以下是使用 map() 函数的解决方案：import pandas as pd# 样本数据data1 = {'Symbol'： ['UGE'， 'UGE'， 'UGE'， 'UGE'， 'UGE'， 'UGE']， 'SecurityID'： [float('NaN')] * 6}df1 = pd.DataFrame(data1)data2 = {'Symbol'： ['UGE']， 'SecurityID'： [128901]}df2 = pd.DataFrame(data2)# 使用 map() 函数更新 df1 的 SecurityID 列df1['SecurityID'].update(df1['Symbol'].map(df2.set_index('Symbol')['SecurityID']))print(df1)登录后复制

代码解释：df2.set_index('Symbol')：首先，我们将df2的Symbol列设置为索引。这使得我们可以通过Symbol值快速查找对应的SecurityID。df2.set_index('Symbol')['SecurityID']：然后，我们从设置了索引的 df2 中选择 SecurityID 列，这实际上创建了一个系列，其中索引是 Symbol，值为 SecurityID。df1['Symbol'].map(...)：接下来，我们使用 df1 的 Symbol 列调用 map() 函数。map() 函数存储 df1 中每一行的 Symbol值作为键，去查找前面创建的系列中对应的值。如果找到，则返回对应的值 SecurityID；如果缺少，则返回NaN。

df1['SecurityID'].update(...)：最后，我们使用 update() 函数将 df1 的 SecurityID 列更新为 map() 函数返回的结果。update() 函数会根据索引进行更新，只有索引匹配的行才会被更新。

输出结果： Symbol SecurityID0 UGE 128901.01 UGE 128901.02 UGE 128901.03 UGE 128901.04 UGE 128901.05 UGE 128901.0登录后复制

看到，df1中所有Symbol为“UGE”的行的SecurityID都被成功更新为128901。

注意事项：确保df2中Symbol列的值是唯一的，否则map()函数仅返回第一个匹配的值。如果 df2 中存在重复的符号 值，根据实际情况进行处理，例如选择第一个值、最后一个值或进行聚合操作。map()函数返回的是一个系列，其索引与df1的Symbol列的索引相同。update()函数会根据索引进行更新，因此可以保证只有对应的行才会被更新。如果df2中不存在df1中某些Symbol对应的值，则df1中这些行的SecurityID将保持不变。

总结：

通过map()函数结合set_index()，我们可以高效避免循环操作，地根据另一个DataFrame中的数据更新Pandas DataFrame中满足特定条件的多行数据。这种高效方法简单、，而且容易理解，是处理类似问题的常用技巧。

以上就是Pandas DataFrame：基于条件匹配更新多行数据的详细内容，更多请关注乐哥常识网相关文章！