Pandas数据框架中SQL查询的等价性

Question

我有两个表1。表\u A 2。表\u B我想用表\u B更新表\u A的一个特定列该列的新值，可能表\u A中的行数与表\u B不匹配。 我知道如何使用SQL编写更新表A的查询，但不知道如何在pandas中完成，我需要一个与pandas中的update query等效的查询

更新查询：

update table_A
    set dt_of_join = sq.dt_of_join
    from (select id_emp, max(joining) as dt_of_join
            from table_B 
            group by id_emp ) as sq
    where table_A.id_emp = sq.id_emp

我需要在熊猫数据帧上述查询等效，任何帮助真的感谢。你知道吗

示例：

Table_A
id_emp    |   dt_of_join     
  2       |   30-03-2018
  4       |   03-04-2018
  5       |   04-05-2018
  7       |   10-06-2018
  12      |   20-07-2018
  10      |   09-08-2018
  19      |   25-12-2018

表B是上述查询中的子查询

Table_B
 id_emp   |   dt_of_join
   4      |    01-01-2019
   12     |    03-02-2019
   10     |    09-05-2019
   5      |    21-06-2019

更新查询成功后，表\u A应如下所示

Table_A
id_emp    |   dt_of_join     
  2       |   30-03-2018
  4       |   01-01-2019
  5       |   21-06-2019
  7       |   10-06-2018
  12      |   03-02-2019
  10      |   09-05-2019
  19      |   25-12-2018

Answer 1

在将emp\uid设置为这两个中的索引之后，考虑DataFrame.update。你知道吗

final_df = (tbl1_df.set_index('id_emp')
                   .update(tbl2_df.set_index('id_emp'))
           )

Answer 2

您可以将^{}与fillna()一起使用，这对于单列更新来说是一个更快的选择（假设id_emp是一列，如果不是d应该是df2['dt_of_join']）：

d=df2.set_index('id_emp')['dt_of_join']
df1.dt_of_join=df1.id_emp.map(d).fillna(df1.dt_of_join)
print(df1)

---

   id_emp      dt_of_join
0       2      30-03-2018
1       4      01-01-2019
2       5      21-06-2019
3       7      10-06-2018
4      12      03-02-2019
5      10      09-05-2019
6      19      25-12-2018

Answer 3

为什么不reindex：

>>> df['dt_of_join'] = df2.set_index('id_emp').reindex(df['id_emp']).reset_index()['dt_of_join'].fillna(df['dt_of_join'])
>>> df
   id_emp  dt_of_join
0       2  30-03-2018
1       4  01-01-2019
2       5  21-06-2019
3       7  10-06-2018
4      12  03-02-2019
5      10  09-05-2019
6      19  25-12-2018
>>>