Tenho um dataframe Pandas, no qual preciso adicionar uma nova coluna chamada codprojeto
. Para tal, criei esta nova coluna e inseri zeros, para que a mesma tenha o tipo int64
, da seguinte maneira:
df['codprojeto'] = 0
Esta nova coluna deve ser alimentada com o codprojeto
presente em outro dataframe. Esta coluna é do tipo int64
, motivo pelo qual fiz o passo anterior.
Como comparação, estou usando a coluna CNPJ
, com valores em ambos DFs. Caso seja igual, deve preencher em df['codprojeto']
o valor de df2['codprojeto']
.
Tentativa 1:
for i in range(len(df['CNPJ'])):
for j in range(len(df2['CNPJ'])):
if df2.loc[j, 'CNPJ'] == df.loc[i, 'CNPJ']:
df.loc[i, 'codprojeto'] == df2.loc[j, 'codprojeto']
Retorna:
Erro: KeyError: 4
Tentativa 2:
for index, row in df.iterrows():
for index2, row2 in df2.iterrows():
if str(row['CNPJ']) == row2['CNPJ']:
df.loc[index,'codprojeto'] = df2.loc[index2,'codprojeto']
Retorna: execução eterna; processamento pendente.
Conjunto de dados (amostra):
DF:
CNPJ,DATA,codprojeto
00000000000123,2020-12-02 00:00:00 UTC,0
99900000000123,2020-12-02 00:00:00 UTC,0
00000000000123,2020-12-02 00:00:00 UTC,0
00000000000123,2020-12-02 00:00:00 UTC,0
00000000000145,2020-12-02 00:00:00 UTC,0
00000000000123,2020-12-02 00:00:00 UTC,0
00000000000167,2020-12-02 00:00:00 UTC,0
00000000000167,2020-12-02 00:00:00 UTC,0
00000000000167,2020-12-02 00:00:00 UTC,0
00000000000167,2020-12-02 00:00:00 UTC,0
00000000000101,2020-12-02 00:00:00 UTC,0
00000000000122,2020-12-02 00:00:00 UTC,0
00000000000144,2020-12-02 00:00:00 UTC,0
00000000000123,2020-12-02 00:00:00 UTC,0
00000000000155,2020-12-02 00:00:00 UTC,0
00000000000155,2020-12-02 00:00:00 UTC,0
00000000000155,2020-12-02 00:00:00 UTC,0
00000000000166,2020-12-02 00:00:00 UTC,0
99900000000123,2020-12-02 00:00:00 UTC,0
99900000000123,2020-12-02 00:00:00 UTC,0
DF2:
"codcliente";"nome";"CNPJ";"codprojeto"
1;"CLIENTE 1";"00000000000123";1234
2;"CLIENTE 1";"00000000000145";5678
3;"CLIENTE 1";"00000000000167";9012
4;"CLIENTE 1";"00000000000189";3456
5;"CLIENTE 1";"00000000000101";7890
6;"CLIENTE 1";"00000000000122";11
7;"CLIENTE 1";"00000000000133";22
8;"CLIENTE 1";"00000000000144";33
9;"CLIENTE 9";"00000000000155";44
10;"CLIENTE 10";"00000000000166";55
O DF e DF2 originais possuem, respectivamente, 635939 e 1054 linhas.
Para os casos que não houver CNPJ compatível, deixar como 0 o 'codprojeto' mesmo.
Como posso corrigir isso?
np.where
em vez de nested loops O(n^2); 2) Na última linha o correto é=
e não==
; 3) O erro possivelmente está ocorrendo pq 4 não está no index dedf
oudf2