Question

好吧，相对较新的 pandas 和Python，如果我的问题非常明显，请道歉。已经浏览了所有关于合并，连接和连接的 pandas 文档，阅读了Stackoverflow和Scriptscoop上的所有类似问题，并观看了几个小时的 pandas 教程YouTube上。但还没有弄清楚如何做我想做的事情，这似乎在 pandas 中相对容易。

基本上我对每种阳性细菌结果都有一个DataFrame（大肠杆菌，金黄色葡萄球菌等）。在DataFrame中，有一个与患者相关联的唯一ID（Order），以及结果，日期和病房名称。对于一种类型的细菌或多种类型的患者，患者可以是阳性的，因此DataFrame之间的一些订单号重叠，而一些仅显示一次。

例如：

    Order  Test_EC  Results_EC     Date     Ward Name
0   K70201  E. coli  MODERATE   2014-01-02    North
1   K70277  E. coli  MODERATE   2014-01-02    North
2   K70205  E. coli  FEW        2014-01-02    West
3   K70818  E. coli  MODERATE   2014-01-03    South
4   K70202  E. coli  FEW        2014-01-03    West
5   K80070  E. coli  RARE       2014-01-03    North
6   K80666  E. coli  FEW        2014-01-03    East

    Order   Test_SA  Results_SA    Date     Ward Name
0   K80766  S.aureus MANY       2014-01-01    West
1   K70201  S.aureus MANY       2014-01-02    North
2   K70277  S.aureus MANY       2014-01-02    North
3   K70205  S.aureus FEW        2014-01-02    West
4   K90107  S.aureus FEW        2014-01-06    North

我想根据患者的订单号创建一个主数据库，每个阳性测试和结果都有一个关联列，以及日期和病房名称。如果患者对一次测试呈阳性而对另一次测试呈阴性，那么NaN填充就可以了。如果来自不同DataFrames的两个订单号匹配，那么根据定义它们将具有相同的日期和区域名称，因此基本上测试和结果列将是唯一的新信息。

简而言之，我希望维护每个表中包含的所有信息，同时让每个订单号的所有相关数据显示在一行中。

我希望得到一些看起来像这样的东西：

    Order   Test_EC Results_EC  Test_SA Results_SA     Date  Ward Name
0   K70201  E. coli MODERATE    S.aureus MANY      2014-01-02 North
1   K70277  E. coli MODERATE    S.aureus MANY      2014-01-02 North
2   K70205  E. coli FEW         S.aureus FEW       2014-01-02 West
3   K70818  E. coli MODERATE    NaN      NaN       2014-01-03 South
4   K70202  E. coli FEW         NaN      NaN       2014-01-03 West
5   K80070  E. coli RARE        NaN      NaN       2014-01-03 North
6   K80666  E. coli FEW         NaN      NaN       2014-01-03 East
7   K80766  NaN     NaN         S.aureus MANY      2014-01-01 West
8   K90107  NaN     NaN         S.aureus FEW       2014-01-06 North

正如您所看到的，生成的DataFrame短三行，因为有三名患者同时感染了大肠杆菌和金黄色葡萄球菌。订单列中没有重复值，但所有信息都已保存。

我还想继续建立这样一个数据库，用不同的细菌做同样的事情大约二十次。实际数据集大约有100,000个唯一订单号。

如果我经历了我尝试过的各种连接，合并和连接函数的组合，以及为什么它们不起作用，这篇文章会太长。我知道我错过了一些明显的东西。任何想法，将不胜感激！

Answer 1

看起来你想要一个'外部'合并？

In [154]: df1
Out[154]: 
    Order  Test_EC Results_EC        Date Ward Name
0  K70201  E. coli   MODERATE  2014-01-02     North
1  K70277  E. coli   MODERATE  2014-01-02     North
2  K70205  E. coli        FEW  2014-01-02      West
3  K70818  E. coli   MODERATE  2014-01-03     South
4  K70202  E. coli        FEW  2014-01-03      West
5  K80070  E. coli       RARE  2014-01-03     North
6  K80666  E. coli        FEW  2014-01-03      East

In [155]: df2
Out[155]: 
    Order   Test_SA Results_SA        Date Ward Name
0  K80766  S.aureus       MANY  2014-01-01      West
1  K70201  S.aureus       MANY  2014-01-02     North
2  K70277  S.aureus       MANY  2014-01-02     North
3  K70205  S.aureus        FEW  2014-01-02      West
4  K90107  S.aureus        FEW  2014-01-06     North

In [156]: df1.merge(df2, how='outer')
Out[156]: 
    Order  Test_EC Results_EC        Date Ward Name   Test_SA Results_SA
0  K70201  E. coli   MODERATE  2014-01-02     North  S.aureus       MANY
1  K70277  E. coli   MODERATE  2014-01-02     North  S.aureus       MANY
2  K70205  E. coli        FEW  2014-01-02      West  S.aureus        FEW
3  K70818  E. coli   MODERATE  2014-01-03     South       NaN        NaN
4  K70202  E. coli        FEW  2014-01-03      West       NaN        NaN
5  K80070  E. coli       RARE  2014-01-03     North       NaN        NaN
6  K80666  E. coli        FEW  2014-01-03      East       NaN        NaN
7  K80766      NaN        NaN  2014-01-01      West  S.aureus       MANY
8  K90107      NaN        NaN  2014-01-06     North  S.aureus        FEW

合并多个Pandas DataFrame - 一些具有共享唯一ID，一些具有共享列

1 个答案: