Условная замена значений столбцов в пандах значениями из другого кадра данных

Question

У меня есть два CSV, которые при чтении в виде кадров данных выглядят примерно так:

df:

   TargetIndex Current1 Current2 Current3
0            0       'D'      'D'      'G'
1            2        0       'E'      'F'
2            0       'A'      'E'      'F'
3            1        0        0        0
4            0       'A'       0       'A'
5            3       'G'       0        0
6            2       'F'      'E'       0
7            4        0        0        0


df2:

    TargetIndex Target1 Target2 Target3
0             1      'A'     'A'     'A'
1             2      'B'     'B'     'B'
2             3      'C'     'C'     'C'
3             4      'A'     'B'     'C'

Я пытаюсь заменить только значения 0 в столбцах Current назначения в столбцах Target.Тем не менее, только для строк, в которых значение TargetIndex не равно 0.

По общему признанию, я не очень разбираюсь в Python и обычно я использую комбинацию дополнительных столбцов и функцию LOOKUP в Excelза это, поэтому я немного борюсь.

То, что я до сих пор делал, это прочитал несколько потоков здесь и попробовал различные варианты использования .loc, .isin, .replace,и .map между прочим, но мне было очень трудно применять условия TargetIndex != 0 и CurrentX == 0.

Еще одна вещь, которую я нахожу трудной, это использование второго кадра данных в первую очередьЯ пытался превратить его в .dict с таким ограниченным успехом, что я действительно знаю, как это работает, я не могу его применить.

Мне удалось преобразовать желаемый результат вследующий код спагетти:

df['Target1'] = df['TargetIndex'].map(df2.set_index('TargetIndex')['Target1'])
df['Target2'] = df['TargetIndex'].map(df2.set_index('TargetIndex')['Target2'])
df['Target3'] = df['TargetIndex'].map(df2.set_index('TargetIndex')['Target3'])
S1 = df.Current1 == 0
S2 = df.Current2 == 0
S3 = df.Current3 == 0
df.loc[S1, 'Current1'] = df['TargetIndex']
df.loc[S2, 'Current2'] = df['TargetIndex']
df.loc[S3, 'Current3'] = df['TargetIndex']
df.replace({'Current1': { 1 : 'A', 2 : 'B', 3 : 'C', 4 : 'A'}}, inplace=True)
df.replace({'Current2': { 1 : 'A', 2 : 'B', 3 : 'C', 4 : 'B'}}, inplace=True)
df.replace({'Current3': { 1 : 'A', 2 : 'B', 3 : 'C', 4 : 'C'}}, inplace=True)
df.drop(df.columns[[4, 5, 6]], axis=1, inplace=True)

Который действительно дает желаемый результат:

df:

   TargetIndex Current1 Current2 Current3
0            0       'D'      'D'      'G'
1            2       'B'      'E'      'F'
2            0       'A'      'E'      'F'
3            1       'A'      'A'      'A'
4            0       'A'       0       'A'
5            3       'G'      'C'      'C'
6            2       'F'      'E'      'B'
7            4       'A'      'B'      'C'

Однако требуется вручную ввести, что заменить чем, что не совсем эффективно или жизнеспособнокогда df2 csvсодержит более 5000 строкДолжен быть намного лучший способ сделать это, которого я просто не вижу или не понимаю должным образом, поэтому я решил, что с таким же успехом могу спросить.

Answer 1

Вы можете использовать, если одинаковое количество столбцов:

#create index with 
df1 = df1.set_index('TargetIndex')
df2 = df2.set_index('TargetIndex')
#set same columns names for align data
df2.columns = df1.columns

#replace 0 with NaNs and replace NaNs by df2
df = df1.mask(df1 == 0).combine_first(df2)
print (df)
            Current1 Current2 Current3
TargetIndex                           
0                'D'      'D'      'G'
0                'A'      'E'      'F'
0                'A'      NaN      'A'
1                'A'      'A'      'A'
2                'B'      'E'      'F'
2                'F'      'E'      'B'
3                'G'      'C'      'C'
4                'A'      'B'      'C'

Если важен порядок, добавьте reset_index для сортировки:

df1 = df1.reset_index().set_index('TargetIndex')
df2 = df2.set_index('TargetIndex')
df2.columns = df1.columns[1:]

df = (df1.mask(df1 == 0)
        .combine_first(df2)
        .sort_values('index')
        .drop('index', 1)
        .reset_index()
        .fillna(0))
print (df)
   TargetIndex Current1 Current2 Current3
0            0      'D'      'D'      'G'
1            2      'B'      'E'      'F'
2            0      'A'      'E'      'F'
3            1      'A'      'A'      'A'
4            0      'A'        0      'A'
5            3      'G'      'C'      'C'
6            2      'F'      'E'      'B'
7            4      'A'      'B'      'C'