基于指定条件更新Pandas DataFrame中的列数据

需求说明 #

现有主 DataFrame 如下：

另有一张关联表：

需实现：当主表中 code 列不为空且 money 列为空时，以主表的code列和关联表的cod_t列为关联键，将关联表的money、money_add、other值更新到主表对应行。

更新后的预期结果：

实现代码 #

通过merge结合条件筛选完成更新，代码如下：

import pandas as pd

# 构造主表
main_df = pd.DataFrame({
    'ID': ['832932', '217#8#', '1329T2', '124932', '194022'],
    'country': ['Other', None, 'France', 'France', 'France'],
    'money': [None, None, 12131, None, None],
    'code': ['00000', None, '00020', '00016', '00000'],
    'money_add': [None, None, 3452, None, None],
    'other': [None, None, 123, None, None]
})

# 构造关联表
lookup_df = pd.DataFrame({
    'cod_t': ['00000', '00016', '00018', '00020', '00030'],
    'money': [4532, 1213, 1313, 1813, 8932],
    'money_add': [72323, 23822, 8393, 27328, 3204],
    'other': [321, 843, 183, 128, 829]
})

# 筛选需要更新的行
mask = main_df['code'].notna() & main_df['money'].isna()

# 关联获取更新值
updated_part = main_df[mask].merge(
    lookup_df,
    left_on='code',
    right_on='cod_t',
    how='left',
    suffixes=('', '_new')
)

# 更新目标列
updated_part['money'] = updated_part['money_new']
updated_part['money_add'] = updated_part['money_add_new']
updated_part['other'] = updated_part['other_new']

# 保留原表列结构
updated_part = updated_part[main_df.columns]

# 合并更新部分与未更新部分，恢复原顺序
final_df = pd.concat([main_df[~mask], updated_part]).sort_index()

print(final_df)

运行代码后即可得到预期的更新结果。

内容的提问来源于stack exchange，提问作者Carola