2

Estou tentando substituir os valores de uma coluna baseado em duas colunas de outro dataframe.

  • O dataframeX que receberá a substituição possui uma coluna que é uma lista de municípios do Brasil.
  • O dataframeY que vai ser utilizado contém a lista com todos os municípios do Brasil e seus respectivos estados.

Eu preciso que o dataframeX verifique se o municípioX é igual ao municípioY e substitua o valor do municipioX pelo estado do dataframeY. Eu estava tentando isso, mas a lógica está incorreta.

    for i in dfX['municipioX']:
       for x, y in (dfY['municipioY'], dfY['estado']):
           if i == x:
           dfX['municipio'][i] == y

Esse é o DataframeY:

municipioY estado
Campinas São Paulo
Belém Pará

DataframeX antes da mudança:

municipioX
Campinas
Belém

DataframeX depois da mudança:

municipioX
São Paulo
Pará

2 Respostas 2

2

Segundo a documentação pandas.DataFrame.join() junta colunas com outro DataFrame no índice ou em uma coluna de chave.

Não tem mistério junte dfX com dfY usando municipioX como chave em dfX, através do parâmetro on em pandas.DataFrame.join(), e defina municipioY como índice para dfY, usando pandas.DataFrame.set_index().

import pandas as pd

dfY = pd.DataFrame({
  'municipioY': ['Campinas', 'Belém'],
  'estado': ['São Paulo', 'Pará']
})

dfX = pd.DataFrame({
  'municipioX': ['Campinas', 'Belém', 'Campinas', 'Campinas', 'Belém', 'Taubaté']
})

#Junta dfX com dfY cruzando os dados da coluna dfX.municipioX com dfY.municipioY
dfX['municipioX'] = dfX.join(dfY.set_index('municipioY'), on='municipioX')['estado']

dfX
#  municipioX
#0  São Paulo
#1       Pará
#2  São Paulo
#3  São Paulo
#4       Pará
#5        NaN
0

Você pode tentar utilizar a função mask .

dfX = dfX.mask((dfX['municipioX'] == dfY['municipioY']), other = dfY['estado'], axis=0)

Em geral deve-se evitar fazer iterações sobre o dataframe. Já exitem funções vetorizadas para quase todo tipo de manipulação que voce queria fazer, pesquise na documentação do pandas antes de partir para uma iteração. As funções vetorizadas tendem a ser mais eficientes, evitam-se alguns problemas e seu código fica mais compacto e fácil de ler/entender.

2
  • 1
    Seu exemplo gera erro ValueError: Can only compare identically-labeled Series objects Commented 25/10/2022 às 17:17
  • Você tem razão, me basei nos df´s da pergunta pra fazer o exemplo. Com dados mais genéricos nao vai funcionar. Commented 26/10/2022 às 9:59

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .