Pandas中如何基于相同time列用df2替换df1非时间列值
Pandas 按time列匹配批量替换同名字段实现
场景说明
现有两个列数、列名完全一致的DataFrame:df1与df2,二者都包含time列以及x、y等其他数据列。需求为:以两个DataFrame的time列取值相等为匹配规则,用df2对应列的数值替换df1中除time列之外的所有列原有值;df1存在多个time取值相同的重复行,这类行需要统一匹配df2中相同time值的对应数值完成替换,不需要逐行索引严格对齐。
输入示例
df1结构:
index time x y ......many other columns ( the same as df2) 0 1 1 1 1 1.1 2 2 2 1.1 3 3 3 1.1 4 4 4 1.4 5 5 5 1.5 6 6 6 1.5 7 7
df2结构:
index time x y ....many other columns (the same as df1) 0 1 10 10 1 1.1 11 11 2 1.2 12 12 3 1.3 13 13 4 1.4 14 14 5 1.5 15 15 6 1.6 16 16
预期输出结果
index time x y ....many other columns 0 1 10 10 1 1.1 11 11 2 1.1 11 11 3 1.1 11 11 4 1.4 14 14 5 1.5 15 15 6 1.5 15 15
实现方案
核心逻辑是将df2转换为以time为索引的可查询映射表,再对df1的目标列批量映射赋值,不需要复杂的合并、去重操作,对多列宽表场景兼容性极强。
具体步骤拆解:
- 自动提取所有需要替换的列:排除
time列,适配列数很多的宽表场景,不需要手动逐个列写字段名 - 生成映射表:将
df2设置time列为索引,形成time值与对应字段值的一一映射 - 批量赋值:逐列通过
time值匹配映射表中的值,替换df1的原字段值,自动适配df1中重复time值的匹配需求
可直接运行的代码
import pandas as pd # 构造题目对应的示例数据 df1 = pd.DataFrame({ 'time': [1, 1.1, 1.1, 1.1, 1.4, 1.5, 1.5], 'x': [1, 2, 3, 4, 5, 6, 7], 'y': [1, 2, 3, 4, 5, 6, 7] }) df2 = pd.DataFrame({ 'time': [1, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6], 'x': [10, 11, 12, 13, 14, 15, 16], 'y': [10, 11, 12, 13, 14, 15, 16] }) # 批量替换逻辑 # 提取所有需要替换的列(排除time列,适配多列场景) replace_cols = df1.columns.difference(['time']) # 生成df2的time值映射表(df2的time为唯一值,直接设索引即可) df2_time_map = df2.set_index('time') # 逐列完成值替换 for col in replace_cols: df1[col] = df1['time'].map(df2_time_map[col])
注意事项:如果日常使用中
df2本身存在重复的time值,需要先对df2做去重处理再生成映射表,避免重复索引引发报错,可通过df2 = df2.drop_duplicates(subset=['time'], keep='last')实现。
内容的提问来源于stack exchange,提问作者Tenshi
相关产品推荐
相关产品推荐

