我有两个数据帧,其中要实现多个操作,例如:
旧_DF
id col1 col2 col3
-------------------------
1 aaa
2 bbb 123
新_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:
- 合并两个数据帧
- 仅将旧_DF中的空白(NA(单元格替换为新_DF中相应的值
- 两个数据帧中值相矛盾的单元格应在新的数据帧中报告
所需结果:
更新的df
id col1 col2 col3
-------------------------
1 aaa xxx 999
2 xxx bbb 123
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,我想可以使用.bfil()
或.ffil()
方法来填充缺失的值。但我对.bfil()
和.ffil()
都不成功。我试过df.groupby('id').apply(lambda x: x.ffill().bfill()).drop_duplicates()
,但没有得到想要的结果。此外,我不知道如何执行上述步骤3。有人能帮助解决这个问题吗?
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
,将id
设置为索引
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;新的帧在给定的单元格中具有值&值不同,并从旧的&新使用掩码,其中掩码中的任何行都是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