如何combine_first，将特定列的两个数据帧索引为一个

Question

按列 c 映射后， 如果 A 列有值，则插入 A 列的值;如果没有，则插入 B 列。

data1                               data2
a    b    c                      a    c    d
a1   b1   c1                     1a   c1   1d   
     b2   c2                     2a   c2   2d
a3        c3                     3a   c3   3d
                                 4a   c4   4d

我想要的结果

  result
   a    b   c     
   a1   b1  c1
   2a   b2  c2
   a3       c3

我尝试了以下方法，但我不满意。

->>> result = data1.merge(data2, on=['c'])
Prefixes _x and _y are created. combine_first is not applied.
->>> result = data1.combine_first(data2)
It is not mapped by column c.

如何获得好的结果？我请求你的帮助。谢谢

Answer 1

使用@IdoS设置：

import pandas as pd
data1 = pd.DataFrame({'a': ['a1', None, 'a3'],
                      'b': ['b1', 'b2', None],
                      'c': ['c1', 'c2', 'c3']})
data2 = pd.DataFrame({'a': ['1a', '2a', '3a', '4a'],
                      'c': ['c1', 'c2', 'c3', 'c4'],
                      'd': ['1d', '2d', '3d', '4d']})

您可以使用 set_index 、 combine_first 和重新索引：

df_out = data1.set_index('c').combine_first(data2.set_index('c'))
     .reindex(data1.c)
     .reset_index()
df_out

输出：

    c   a     b   d
0  c1  a1    b1  1d
1  c2  2a    b2  2d
2  c3  a3  None  3d

Answer 2

我不是 100% 清楚您如何索引数据帧(data1 和 data2 (，但如果您在列 'c' 上索引它们，它应该可以工作。

这就是我创建数据的方式：

import pandas as pd
data1 = pd.DataFrame({'a': ['a1', None, 'a3'],
                      'b': ['b1', 'b2', None],
                      'c': ['c1', 'c2', 'c3']})
data2 = pd.DataFrame({'a': ['1a', '2a', '3a', '4a'],
                      'c': ['c1', 'c2', 'c3', 'c4'],
                      'd': ['1d', '2d', '3d', '4d']})

然后，我将两者的索引设置为第 'c' 列：

data1 = data1.set_index('c')
data2 = data2.set_index('c')

然后我像你一样使用combine_first：

data_combined = data1.combine_first(data_2)

我明白这个：

    a   b   d
c           
c1  a1  b1  1d
c2  2a  b2  2d
c3  a3  None    3d
c4  4a  NaN 4d

不知道为什么你不想要带有索引'c4'或列'd'的行，但删除它们很容易：

data_combined = data_combined.drop('d', axis=1)
data_combined = data_combined.loc[data_combined.index != 'c4']

然后我做一些重新排序以获得您想要的结果：

data_combined = data_combined.reset_index()
data_combined = data_combined[['a', 'b', 'c']]
data_combined = data_combined.fillna('')

    a   b   c
0   a1  b1  c1
1   2a  b2  c2
2   a3      c3

Answer 3

您也可以尝试以下方式：

# set indexes
data1 = data1.set_index('c')
data2 = data2.set_index('c')
# join data on indexes
datax = data1.join(data2.drop('d', axis=1), rsuffix='_rr').reset_index()
# fill missing value in column a
datax['a'] = datax['a'].fillna(datax['a_rr'])
# drop unwanted columns
datax.drop('a_rr', axis=1, inplace=True)
# fill missing values with blank spaces
datax.fillna('', inplace=True)
# output
    a   b   c
0   a1  b1  c1
1   2a  b2  c2
2   a3      c3

---

# data used
data1 = pd.DataFrame({'a':['a1','','a3'],
                      'b':['b1','b2',''],
                      'c':['c1','c2','c3']})
data2 = pd.DataFrame({'a':['1a','2a','3a','4a'],
                      'c':['c1','c2','c3','c4'],
                      'd':['1d','2d','3d','4d']})