python - 在df2.col2的基础上，在df.col1中填写na。两个数据帧的大小不同

Question

如果已经询问并回复了此问题，但搜索了一整天但无法找到正确的解决方案，我们深表歉意。如果解决方案已经存在，请指出我的方向。

我正在尝试在 pandas 数据框(df1)的列中填充 na/nan 值。填充值位于另一个数据帧(df2)中，其中包含唯一的 id 和相应的值。我如何匹配df1.Prod_id的id(其中df.item_wt中的现有值为nan)，然后在df2.mean_wt中找到相应的值并将nan值填充到df1.item_wt中。两个数据帧的大小不同，df1 有 80k+ 行，df2 只有 1559 行。列名也不同，因为来自不同的源。填充必须就地完成。

希望有任何 Pandas 方式，以避免给定实际数据帧大小的迭代循环。

我尝试使用combine_first和map，但成功率为零，因为数据帧大小不同，因此额外的行无法替换。

data1 = {'Prod_id':['PR1', 'PR2', 'PR3', 'PR4', 'PR2', 'PR3','PR1', 'PR4"],store=['store1','store2','store3','store6','store3','store8','store45','store23']'item_wt':[28,nan,29,42,nan,34,87,nan]}
df1 = pd.DataFrame(data1)

data2 = {'Item_name':['PR1', 'PR2', 'PR3', 'PR4'],'mean_wt':[18,12,22,9]}
df2 = pd.DataFrame(data2)

final df should be like:
data1 = {'Prod_id':['PR1', 'PR2', 'PR3', 'PR4', 'PR2', 'PR3','PR1', 'PR4"],store=['store1','store2','store3','store6','store3','store8','store45','store23']'Item_wt':[28,12,29,42,12,34,87,9]}
df1 = pd.DataFrame(data1)

Answer 1

您可以使用fillna并设置由 values 创建的 numpy 数组，因为原始系列和新系列的索引不同:

df1['item_wt'] = (df1.set_index('Prod_id')['item_wt']
                     .fillna(df2.set_index('Item_name')['mean_wt']).values)
print (df1)
  Prod_id    store  item_wt
0     PR1   store1     28.0
1     PR2   store2     12.0
2     PR3   store3     29.0
3     PR4   store6     42.0
4     PR2   store3     12.0
5     PR3   store8     34.0
6     PR1  store45     87.0
7     PR4  store23      9.0

或者使用map第一:

s = df2.set_index('Item_name')['mean_wt']
df1['item_wt'] = df1['item_wt'].fillna(df1['Prod_id'].map(s))
#alternative
#df1['item_wt'] = df1['item_wt'].combine_first(df1['Prod_id'].map(s))
print (df1)
  Prod_id    store  item_wt
0     PR1   store1     28.0
1     PR2   store2     12.0
2     PR3   store3     29.0
3     PR4   store6     42.0
4     PR2   store3     12.0
5     PR3   store8     34.0
6     PR1  store45     87.0
7     PR4  store23      9.0