Question

欲望：

我想要一种方法来合并两个数据帧并保持指定数据帧中的非交叉数据。

问题：

我有重复数据，我希望此行删除重复数据：

 final_df = new_df[~new_df.isin(previous_df)].dropna()

示例数据和数据测试：

 record = Record(1000, 9300815, '<redacted type>', '<redacted id>')
 test_df = pd.DataFrame([record])
 if not final_df.empty:

      # this produces an empty data frame
      empty_df = test_df[test_df.isin(final_df)].dropna()

      # this produces the record
      record_df = final_pdf[final_pdf.col01 == record.col01]

背景：

我正在加载xml数据并将xml文件转换为几个不同的记录类型作为namedpuples。我将每个记录类型拆分为自己的数据帧。然后我通过构造previous_df将xml文件中的当前数据集与已加载到数据库中的数据进行比较：

 previous_df = pd.read_sql_table(table_name, con=conn, schema=schema, columns=columns)

根据命名元组中的字段动态创建列。使用sqlalchemy生成数据库模式，并且当我认为数据库中存在重复项时，我已添加UniqueConstraint来管理。

提前感谢您提供的任何帮助。

Answer 1

保存两个数据框的单个记录：

首先尝试concat数据框，因此您确定自己会有重复项。然后申请drop_duplicates，我想你最终会得到你所追求的。请参阅以下示例：

#Create dummy data
df1 = pd.DataFrame(columns=["A","B"],data=[[1,2],[3,4],[5,6]])
print(df1)

   A  B
0  1  2
1  3  4
2  5  6

df2 = pd.DataFrame(columns=["A","B"],data=[[3,4],[5,6],[7,8],[9,10]])
print(df2)

   A   B
0  3   4
1  5   6
2  7   8
3  9  10

#Concatenate dataframes
df = pd.concat([df1,df2],axis=0)
print(df)

   A   B
0  1   2
1  3   4
2  5   6
0  3   4
1  5   6
2  7   8
3  9  10

#Drop duplicates
df = df.drop_duplicates(keep=False)
print(df)

   A   B
0  1   2
2  7   8
3  9  10

仅保留一个数据帧的单个记录：

如果您只想保留新数据帧中的数据，只需使用一个简单的小技巧：concat旧数据帧两次，因此所有旧记录都属于drop_duplicates标准。像这样：

#Concatenate dataframes with old dataframe taken twice!
df = pd.concat([df1,df1,df2],axis=0)

#Now you will only end up with the records from second dataframe
df = df.drop_duplicates(keep=False)
print(df)

   A   B
2  7   8
3  9  10

Pandas：合并两个数据帧并保持来自单个数据帧的非交叉数据

1 个答案: