在python中合并两个数据帧的替代方法

Question

我们举一个简单的例子。我有第一个数据帧：

df = pd.DataFrame(dict(Name=['abc','def','ghi'],NoMatter=['X','X','X']))
df
  Name NoMatter
0  abc        X
1  def        X
2  ghi        X

出于某些原因，我想使用一个For循环，它向df添加一个列值，并从每次迭代中更改的另一个数据帧进行一些处理：

# strucutre of for loop I would like to use :
for i in range(something) :
    add the column Value to df from df_value
    other treatment not usefull here

# appearance of df_value (which change at each iteration of the for loop) :
  Name  Value
0  abc      1
1  def      2
2  ghi      3

但是，我不希望使用合并，因为这需要在添加当前迭代的列值之前删除在上一次迭代中添加的列值。是否有一种方法可以将Value列添加到df中，只需以如下方式开始赋值：

df['Value'] = XXX

预期产出：

  Name NoMatter  Value
0  abc        X      1
1  def        X      2
2  ghi        X      3

[编辑]

我不想使用合并，因为在for循环的第四次迭代中，df将有以下列：

名称NoMatter Value1 Value2 Value3 Value4

而我只想：

名称NoMatter值4

我每次都可以删除上一列，但似乎效率不高。这就是为什么我只是在寻找一种为Value列赋值的方法，而不是添加列。类似于Excel中的vlookup函数，该函数应用于df_值数据中的df

Answer 1

这是解决你问题的办法

import pandas as pd
df = pd.DataFrame(dict(Name=['abc','def','ghi'],NoMatter=['X','X','X']))
df1 = pd.DataFrame(dict(Name=['abc','def','ghi'],Value=[1,2,3]))
new_df=pd.merge(df, df1, on='Name')
new_df

Answer 2

3种连接数据帧的方法

追加（df2）#将df1中的行添加到df2的末尾（列应相同）

pd.concat（[df1，df2]，axis=1）#将df1中的列添加到df2的末尾（行应相同）

join（df2，on=col1，how='internal'）#SQL风格将df1中的列与 df2，其中col的行具有相同的值。怎么可能是‘左’、‘右’

Answer 3

正确的方法是@UmerRana's answer，因为在数据帧上迭代具有糟糕的性能。如果您真的必须这样做，可以寻址单个单元格，但不要假装我建议您这样做：

df = pd.DataFrame(dict(Name=['abc','def','ghi'],NoMatter=['X','X','X']))
df1 = pd.DataFrame(dict(Name=['abc','def','ghi'],Value=[1,2,3]))
df['Value'] = 0    # initialize a new column of integers (hence the 0)
ix = df.columns.get_loc('Value')
for i in range(len(df)):                    # perf is terrible!
    df.iloc[i, ix] = df1['Value'][i]

---

在看到示例代码之后，如果无法避免循环，我认为这是一种不太糟糕的方法：

newcol = np.zeros(something, dtype='int')  # set the correct type
for i in range(something):
    #compute a value
    newcol[i] = value_for_i_iteration
df['Value'] = newcol                       # assign the array to the new column