df1有两列分别是E2和E2new, df2有一列是‘名称’，代码要求如果E2的值存在于df2列‘名称'中，则E2new=E2，否则E2NEW=0 - CSDN文库

你可以使用pandas的`isin()`函数来检查`df1`的`E2`列是否存在于`df2`的`名称`列中，然后基于这个条件更新`df1`的`E2new`列。以下是相应的代码示例： ```python import pandas as pd # 假设df1和df2的结构如下： df1 = pd.DataFrame({'E2': ['value1', 'value2', 'value3'], 'E2new': [0, 0, 0]}) df2 = pd.DataFrame({'名称': ['name1', 'name2', 'name4']}) # 检查df1的E2是否在df2的名称列中，得到布尔系列 lookup_series = df1['E2'].isin(df2['名称']) # 根据lookup_series创建新的df1，将E2new设置为相应的E2或0 df1['E2new'] = df1.apply(lambda row: row['E2'] if lookup_series[row.name] else 0, axis=1) ``` 这会把`df1`中`E2`存在的值赋给`E2new`，如果不存在则设置为0。

相关问题

pandas 已知有df1,df2,要求df1中E2这一列的值如果在df2的名称这一列中存在，则df1对应的E2new的值与E2相同，如果不存在则对应的E2new的值为oldE2

在pandas中，你可以使用`merge`函数结合条件操作来实现这个需求。假设你的数据结构如下： ```python df1 = { 'A': [1, 2, 3], 'E2': ['value1', 'value2', 'value3'], 'E2new': [np.nan] * len(df1) } df2 = { '名称': ['name1', 'name2', 'name4'], '其他列': ... # 这里可以忽略 } ``` 你可以使用下面的代码将`df1`中的`E2`列与`df2`的`名称`列合并，并根据匹配的情况更新`df1`的`E2new`列： ```python # 先通过连接两数据框并查找匹配项 merged_df = pd.merge(df1, df2, left_on='E2', right_on='名称', how='left') # 如果找到了匹配，取`df2`的`名称`列；如果没有找到，保留原始的`E2`值 df1['E2new'] = merged_df[['名称']].fillna(df1['E2']) ``` 这里假设`name1`对应`value1`，`name2`对应`value2`，而`name3`或`name4`不在`df2`中，所以`value3`将保持不变。

df1有列match,E2,E3.df2也有列match,E2,E3,将df1df2按照match匹配的E2E3值赋予给df1的E2E3，并且df2中的其他列不会保留到df1中

在Pandas中，你可以使用`merge`或者`update`函数来合并两个DataFrame并只保留匹配条件下的列。假设你的数据框名为df1和df2，它们都有'match', 'E2', 'E3'这三个共同的列。如果你想更新df1的数据，可以按'match'键进行连接，然后选择需要的列。这里是一个简单的例子： ```python # 首先确保两个数据框的'match'列是唯一的 df1 = df1.set_index('match') df2 = df2.set_index('match') # 使用 merge 或 update 函数 df1.update(df2[['E2', 'E3']]) # 如果你想直接修改df1 # 或者 result = df1.merge(df2[['E2', 'E3']], left_index=True, right_index=True, how='left') # 结果保存到一个新的dataframe result # 结果df1 (或result) 将会包含df2的'E2'和'E3'列，而df2的其他列不会出现在结果中 ``` 这将保证df1中'match'对应的'E2'和'E3'值替换为df2的相应值，同时df1原有的其他列保持不变。

阅读全文

相关推荐

CSDN会员

开通CSDN年卡参与万元壕礼抽奖

海量 VIP免费资源千本正版电子书商城会员专享价千门课程&专栏

全年可省5,000元立即开通