基于另一个DataFrame的条件更新df2的status列

原始数据 #

df1 #

|email_id | date |role
|abc@gmail.com | '2022-09-08' |1
|abc@gmail.com | '2022-07-01' |1
|abc@gmail.com | nan |1
|xyz@gmail.com | '2022-04-01' |1
|gmh@gmail.com | nan |1
|ytr@gmail.com | '2022-09-08' |1
|ytr@gmail.com | '2022-09-02' |1

df2 #

|email_id | status |role
|abc@gmail.com | 1 |1
|xyz@gmail.com | 0 |2
|gmh@gmail.com | 1 |1
|ytr@gmail.com | 1 |2

需求规则 #

更新df2的status列：

• 若df1中对应email_id的所有date值均非空，status设为0
• 若df1中对应email_id存在至少一个date为空值，status设为1

预期输出 #

|email_id | status |role
|abc@gmail.com | 1 |1
|xyz@gmail.com | 0 |2
|gmh@gmail.com | 1 |1
|ytr@gmail.com | 0 |2

已尝试代码 #

df1 = df1.sort_values(by=["email_id","date"])
df1 = (df1[["email_id","date"]]).reset_index()

解决方案 #

可以通过分组判断+映射更新的方式完成需求，以下是两种可行实现：

方法1：分组生成映射表后合并更新 #

# 1. 对df1按email_id分组，判断每组是否存在date空值，生成status映射表
status_map = df1.groupby('email_id')['date'].apply(lambda x: 1 if x.isna().any() else 0).reset_index(name='status')

# 2. 合并映射表到df2，替换原status列
df2 = df2.merge(status_map, on='email_id', how='left')
df2 = df2.drop('status_x', axis=1).rename(columns={'status_y': 'status'})

方法2：用map方法直接替换（更简洁） #

# 生成email_id到status的映射字典
status_dict = df1.groupby('email_id')['date'].apply(lambda x: 1 if x.isna().any() else 0).to_dict()

# 直接映射更新df2的status列
df2['status'] = df2['email_id'].map(status_dict)

逻辑说明 #

• x.isna().any()：检查当前分组的date列是否存在空值，返回布尔值
• 分组后通过lambda将布尔值转换为1/0的状态值，得到每个email_id对应的目标status
• 用merge或map将状态值匹配到df2的对应行，完成更新

内容的提问来源于stack exchange，提问作者deepu2711