有条件地加入多个索引的熊猫DF

Question

我有两个不同长度的熊猫数据框，当两列匹配时，我需要有条件地覆盖从一个到另一个的值。

df1.val = df2.val where df1.val == null and df1.key1 == df2.key1 and df1.key2 == df2.key2 

df1和df2具有非常不同的组列和行的长度，保存为key1，key2和val。唯一可以保证的是，df1中的每(key1, key2)，df2中只有一个(key1, key2)。

到目前为止，我一直走下去的

df1.loc[df1.val.isnull(), "val"] = df2.val 

尝试设置指标相匹配的路径，但我还没有在任何地方得到。

我知道这里有一些加入项目，但是我还没有在这方面取得任何进展。一些语法帮助将不胜感激。

编辑数据：

DF1：

First Last Val Random1 ... 
John Smith 4 x 
Todd Smith 5 Nan 
John Todd Nan z 

DF2：

First Last Val Random2 ... 
John Smith 7 4 
Todd Smith 6 9 
John Todd  3 3 
Eric Smith 5 2 

结果：

First Last Val Random1 ...OtherDF1Cols... 
John Smith 4 x 
Todd Smith 5 Nan 
John Todd  3 z 

Answer 1

设定指数的第一，然后fillna

DF1.set_index(['First', 'Last']).fillna(DF2.set_index(['First', 'Last'])) 

      Val 
First Last  
John Smith 4.0 
Todd Smith 5.0 
John Todd 3.0 

使用combine_first包括来自dataframes

DF1.set_index(['First', 'Last']).combine_first(DF2.set_index(['First', 'Last'])) 

      Val 
First Last  
Eric Smith 5.0 
John Smith 4.0 
     Todd 3.0 
Todd Smith 5.0 

---

或者，只更新Val柱，并将其限制为只有一排排所有的东西第一个

d1 = DF1.set_index(['First', 'Last']) 
d2 = DF2.set_index(['First', 'Last']) 
print(d1.combine_first(d2[['Val']]).loc[d1.index].reset_index()) 

    First Last Val 
0 John Smith 4.0 
1 Todd Smith 5.0 
2 John Todd 3.0 

---

使用update

d1 = DF1.set_index(['First', 'Last']) 
d2 = DF2.set_index(['First', 'Last']) 
d1.update(d2.Val, overwrite=False) 
d1.reset_index() 

    First Last Val 
0 John Smith 4.0 
1 Todd Smith 5.0 
2 John Todd 3.0