Question

我在一个文件夹中有许多具有相同列的Excel文件。我需要浏览每个文件，并比较一个文件的“用户编号”列的哪些值与另一个文件的相同。然后基于此操作操作另一个名为“日期”的列。例如：

A2018_02_01 file has:          

User_Number    Date            
18732A         2017-06-22
27192B         2017-08-06    
23872Z         2017-08-06    
82716A         2017-09-18      
77629B         2017-09-12      

A2018_02_02 file has:

User_Number    Date
18732A        2017-06-22
27192B        2017-08-06
54321R         2017-12-11
23872Z        2017-11-04
18732A        2017-06-25

因此，在这种情况下，我希望程序检查用户编号值的匹配项，然后，如果一个文件的日期（链接到该编号）与另一个文件的日期不同，则我想更改两个日期是最早的日期。

在这种情况下，我将拥有：

A2018_02_01 file has:          

User_Number    Date            
18732A         2017-06-22      
27192B         2017-08-06      
23872Z         2017-08-06      
82716A         2017-09-18      
77629B         2017-09-12      

A2018_02_02 file has:

User_Number    Date
18732A         2017-06-22
27192B         2017-08-06
54321R         2017-12-11
23872Z         2017-08-06
18732A         2017-06-22

我附加了所有文件：

import os
import glob
import pandas as pd

path=r'C/.../files'
files = os.listdir(path)
df = pd.DataFrame()

for f in glob.glob(path + "/*.xlsx"):
    data = pd.read_excel(f,header=2)
    df=df.append(data)
    df["Date"]=pd.to_datetime(df["Date"], errors='coerce')

该逻辑不能像javascript逻辑一样工作，因此我不确定如何执行该条件。我尝试过：

df_number = df["User Number"]
for number in df[df_number.duplicated()]:
    number.df["Date"]number.df["Date"].min()

和其他方法，但没有任何效果。任何帮助表示赞赏。

Answer 1

我的解决方案是使用所有最小日期创建一个主映射器：

master=pd.concat([df1, df2]).groupby('User_Number').min()

，然后将每个数据框加入主数据库，以找到调整后的日期：

df1.join(master,rsuffix='_adj',on='User_Number')[['User_Number', 'Date_adj']])
df2.join(master,rsuffix='_adj',on='User_Number')[['User_Number', 'Date_adj']])

输出：

    User_Number    Date_adj
0      18732A  2017-06-22
1      27192B  2017-08-06
2      23872Z  2017-08-06
3      82716A  2017-09-18
4      77629B  2017-09-12

   User_Number    Date_adj
0      18732A  2017-06-22
1      27192B  2017-08-06
2      54321R  2017-12-11
3      23872Z  2017-08-06
4      18732A  2017-06-22

使其适应您的代码：

list_of_df = []
for f in glob.glob(path + "/*.xlsx"):
    data = pd.read_excel(f,header=2)
    list_of_df.append(data)

df = pd.concat(list_of_df)
df["Date"]=pd.to_datetime(df["Date"], errors='coerce')
master=df.groupby('User_Number').min()

for aux_df in list_of_df:
   aux_df['Date'] = aux_df.join(master,rsuffix='_adj',on='User_Number')[['Date_adj']])

Python：如果B列中的另一个值重复出现，如何更改A列中的值？

1 个答案: