使用 Pandas 对两个数据帧进行多次合并操作 [英] multiple merge operations on two dataframes using pandas

问题描述

我有两个要实现多个操作的数据帧，例如:

I have two dataframes where multiple operations are to be implemented, for example:

old_DF

id   col1   col2    col3
-------------------------
1    aaa        
2           bbb     123

new_DF

id   col1   col2    col3
-------------------------
1           xxx      999
2    xxx    kkk 

需要对这些数据帧执行以下操作:

The following operations need to be performed on these dataframes:

1. 合并两个数据框
2. 仅用 new_DF 中的相应值替换 old_DF 中的空白 (NA) 单元格
3. 值相互矛盾的两个数据帧中的单元格应在新数据帧中报告

预期结果:

updated_df

id   col1   col2    col3
-------------------------
1    aaa    xxx     999
2    xxx    bbb     123

conflicts_df

conflicts_df

id   col1   col2    col3
-------------------------
2           bbb
2           kkk     

我可以使用 .append() 方法来连接两个数据帧，我猜可以使用 .bfil() 或 .ffil()方法来填充缺失值.但是我对 .bfil() 和 .ffil() 都没有成功.我试过 df.groupby('id').apply(lambda x: x.ffill().bfill()).drop_duplicates() 但我没有得到想要的结果.此外，我不明白如何执行上述第 3 步.有没有人可以帮助解决这个问题?

I can use .append() method to join the two dataframes and I guess one can use .bfil() or .ffil() methods to fill in the missing values. But I am unsuccessful with both .bfil() and .ffil(). I have tried df.groupby('id').apply(lambda x: x.ffill().bfill()).drop_duplicates() but I do not get the desired results. Additionally, I do not understand how to perform step 3 mentioned above. Is there anyone who can help with this problem?

推荐答案

设置:

old_df = pd.DataFrame([
  [1, 'aaa', pd.NA, pd.NA],
  [2, pd.NA, 'bbb', 123]],
  columns=['id', 'col1', 'col2', 'col3'])
new_df = pd.DataFrame([
  [1, pd.NA, 'xxx', 999],
  [2, 'xxx', 'kkk', pd.NA]],
  columns=['id', 'col1', 'col2', 'col3'])

使用 combine_first 获取updated_df，设置id为索引

Use combine_first to get the updated_df, setting id as the index

old_df = old_df.set_index('id')
new_df = new_df.set_index('id')
updated_df = old_df.combine_first(new_df)

# updated_df outputs:
# (reset the id if necessary)
   col1 col2 col3
id               
1   aaa  xxx  999
2   xxx  bbb  123

使用布尔逻辑生成 masks 的数据帧，检查旧的 &新帧在给定单元格中具有值值不同，并从 old & 中挑选单元格new 使用掩码中任何行为 True 的掩码

generate a dataframe of masks using boolean logic, checking that both the old & new frames have values in a given cell & that the values differ, and pick cells from both old & new using the mask where any row in the mask is True

mask = pd.notnull(new_df) & ~old_df.eq(new_df) & pd.notnull(old_df)
conflicts_df = pd.concat([old_df[mask], new_df[mask]]).dropna(how='all')

# conflicts_df outputs
   col1 col2 col3
id               
2   NaN  bbb  NaN
2   NaN  kkk  NaN

这篇关于使用 Pandas 对两个数据帧进行多次合并操作的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！