如何基于其他DataFrame数据替换生成指定结构的新DataFrame？

现有三个Pandas DataFrame：

1. shifts：存储各日期的值班人员姓名（部分值为NaN）

a    b    c
2023-01-01  Sam  Max  NaN
2023-01-02  Mia  NaN  Max
2023-01-03  NaN  Sam  Mia

2. performance：存储每位员工每日的绩效数据，行索引与shifts一致，列名为员工姓名

Sam  Mia  Max  Ian
2023-01-01  4.5  NaN  3.0  NaN
2023-01-02  NaN  2.0  3.0  NaN
2023-01-03  4.0  3.0  NaN  4.0

3. salary：存储员工薪资，结构和索引与前两者不同

Employee  Salary
0      Sam     100
1      Mia      90
2      Max      80
3      Ian      70

需要生成两个与shifts结构、索引完全一致的输出DataFrame：

• 输出1：将员工姓名替换为该员工当日的绩效数据
• 输出2：将员工姓名替换为该员工的薪资

预期输出如下：

Output 1:
              a    b    c
2023-01-01  4.5  3.0  NaN
2023-01-02  2.0  NaN  3.0
2023-01-03  NaN  4.0  3.0

Output 2:
                a      b     c
2023-01-01  100.0   80.0   NaN
2023-01-02   90.0    NaN  80.0
2023-01-03    NaN  100.0  90.0

实现输出1（替换为当日绩效） #

方法1：使用lookup方法 #

利用DataFrame.lookup按行索引（日期）和列值（员工名）匹配performance中的数据：

output1 = shifts.apply(lambda col: performance.lookup(shifts.index, col), axis=0)

方法2：堆叠后匹配再还原 #

将两个DataFrame转为堆叠格式，匹配后恢复原结构：

# 堆叠shifts和performance
shift_stack = shifts.stack()
perf_stack = performance.stack()

# 匹配绩效后还原结构
output1 = shift_stack.map(perf_stack).unstack()

实现输出2（替换为员工薪资） #

先将salary转换为员工名映射薪资的字典，再用replace直接替换：

# 生成员工-薪资字典
salary_map = salary.set_index('Employee')['Salary'].to_dict()

# 替换shifts中的员工名为对应薪资
output2 = shifts.replace(salary_map)

内容的提问来源于stack exchange，提问作者younggotti