Panda: sostituisci un NaN con un altro DataFrame

Question

Sto cercando di capirlo, quindi per favore aiutami, ho questo set di dati:

df1= pd.DataFrame(data={'col1': ['a','b','c','d'],
                              'col2': [1,2,np.nan,4]})
df2=pd.DataFrame(data={'col1': ['a','b','b','a','f','c','e','d','e','a'],
                       'col2':[1,3,2,3,6,4,1,2,5,2]})

DF1

  col1  col2
0    a   1.0
1    b   2.0
2    c   NaN
3    d   4.0

DF2

  col1  col2
0    a     1
1    b     3
2    b     2
3    a     3
4    f     6
5    c     4
6    e     1
7    d     2
8    e     5
9    a     2

Ho provato questo

df1[df1['col2'].isna()] = pd.merge(df1, df2, on=['col1'], how='left')

Mi aspettavo questo

  col1  col2
0    a   1.0
1    b   2.0
2    c   4
3    d   4.0

ma invece, ho capito questo

  col1  col2
0    a   1.0
1    b   2.0
2    a   NaN
3    d   4.0

Allora ho provato questo

for x in zip(df1,df2):
    if x in df1['col2'] == x in df2['col2']:
        df1['col1'][df1['col1'].isna()] = df2['col1'].where(df1['col2'][x] == df2['col2'][x])

ma ho capito

  col1  col2
0    a   1.0
1    b   2.0
2    c   NaN
3    d   4.0

Ho provato anche questa risposta

ma ancora niente

Answer 1

Utilizzare Series.mapper i valori di corrispondenza by col1with Seriescon colonna univoca col1by DataFrame.drop_duplicatese sostituire solo i valori mancanti con Series.fillna:

s = df2.drop_duplicates('col1').set_index('col1')['col2']
print (s)
col1
a    1
b    3
f    6
c    4
e    1
d    2
Name: col2, dtype: int64

print (df1['col1'].map(s))
0    1
1    3
2    4
3    2
Name: col1, dtype: int64

df1['col2'] = df1['col2'].fillna(df1['col1'].map(s))
print (df1)
  col1  col2
0    a   1.0
1    b   2.0
2    c   4.0
3    d   4.0