更新dataframe列中的信息

Question

我有一个经过筛选的数据集，new_df，如下所示

    Label  New_Label    Username    Look_up
59  1.0    True         vald21      val
67  1.0    True         2512        2512
75  1.0    True         Christine   Chris

创建它是为了在满足某些条件时分配新标签（New_Label）。我还有另一个数据集（df），它包含所有数据（该数据集是上面的数据提取的地方），但没有关于New_Label的信息（因为上面的数据集是基于特定条件过滤而创建的）

        Label   Username    Look_up
    59  1.0     vald21      val
    67  1.0     2512        2512
    67  0.0     faehr6542   faehr
...
    75  1.0     Christine   Chris
   122  0.0     starogm     starogm

我想将Label从我的原始数据集df更改为new_df中的那些行，如果大小写标签和新的_标签不匹配

        Label   Username    Look_up
    59  0       vald21      val
    67  0       2512        2512
    67  0       faehr6542   faehr
...
    75  0       Christine   Chris
   122  0     starogm     starogm

其中new_df中的True对应于0，而False对应于Label列中的1。我不想更改其他值，只想更改new_df数据集中的那些值（我的键是Username）

请您解释一下，如何更改原始数据集中的信息

谢谢

Answer 1

如果我正确理解您的问题，您希望翻转'New_Label'，将其转换为int并将其分配给'Label'：

new_df['Label'] = (new_df['New_Label']==False).astype(int) 

Answer 2

您可以尝试合并两个数据帧，然后使用.assign和np.where。与outer合并时，不存在的值将具有NA，因此可以使用np.where和notnull()：

pd.merge(df, new_df, how='outer').assign(Label = lambda row:np.where(row['New_Label'].notnull(), 0, 1))

如果不需要New_Label，可以使用.drop('New_Label', axis=1)删除列。如下所示（如果写在一行中）：

pd.merge(df, new_df, how='outer').assign( Label = lambda row:  np.where(row['New_Label'].notnull(), 0, 1)).drop('New_Label', axis=1)