熊猫：基于更大的数据框更新Dataframe的系列

Question

我试图用熊猫来实现一些看起来很简单的东西，但是我在经过几次不重要的测试之后卡住了。

这是事情。我有一个数据框（我们称之为街道）只有两个系列：街道名称和与之相关的性别：

 name        gender 
0 Abraham Lincoln Avenue   undefined 
1 Donald Trump Dead End   undefined 
2 Hillary Clinton Street   undefined 
... 
1754 Ziggy Marley Boulevard   undefined 

在另一方面，我有一个其他数据框（我们称之为fnames），非常非常巨大。它有四大系列：

 gender gender_detail main_gender  first_name 
0  F  Female   Female   Aaf 
1  F  Female   Female   Aafke 
2  F  Female   Female   Aafkea 
3  M  Male   Male    Aafko 
... 
40211 F  Female   Female   Zyta 

所以像你已经猜到肯定，我会用fnames的“FIRST_NAME”系列，以检查名字的一个出现或不街道的“名称”系列。

如果找到了第一个名字，我会更新街道上的'性别'系列，并将其名为“性别”的名人系列的相关价值更新。如果不是，我让'未定义'。

很明显，我不能使用两个for循环，因为Dataframes的大小......有没有什么快速的解决方案来实现呢？

例如，我应该创建一个只有名字作为关键字和性别作为值更高效的字典吗？

PS：我不知道它是否可以简化问题，但我的两个数据框按字母顺序排序！

Answer 1

是的，我想你可以通过split通过whitespace使用dict与分裂柱name的map和str[0]选择的第一价值，最后更换NaN通过fillna：

print (df1) 
         name  gender 
0  Abraham Lincoln Avenue undefined 
1  Donald Trump Dead End undefined 
2  Hillary Clinton Street undefined 
3     Aaf Street undefined 
1754 Ziggy Marley Boulevard undefined 

print (df2) 
     gender gender_detail main_gender first_name 
0   F  Female  Female  Aaf 
1   F  Female  Female  Aafke 
2   F  Female  Female  Aafkea 
3   F  Female  Female  Aafko 
40211  F  Female  Female  Zyta 

d = df2.set_index('first_name')['gender'].to_dict() 
print (d) 
{'Zyta': 'F', 'Aaf': 'F', 'Aafkea': 'F', 'Aafke': 'F', 'Aafko': 'F'} 

print (df1['name'].str.split().str[0]) 
0  Abraham 
1  Donald 
2  Hillary 
3   Aaf 
1754  Ziggy 
Name: name, dtype: object 

df1['gender'] = df1['name'].str.split().str[0].map(d).fillna('undefined') 
print (df1) 
         name  gender 
0  Abraham Lincoln Avenue undefined 
1  Donald Trump Dead End undefined 
2  Hillary Clinton Street undefined 
3     Aaf Street   F 
1754 Ziggy Marley Boulevard undefined