Question

我在pandas中有两个数据帧，如下所示。 EmpID是两个数据帧的主键。

$roles=Illuminate\Support\Collection Object
(
    [items:protected] => Array
        (
            [1] => admin
            [12] => asdasd
            [13] => asdfgf
            [4] => manager
            [7] => NewRole
            [8] => NewRole12
            [9] => NewRole13
            [10] => NewRole14
            [11] => NewRole15
            [5] => supervisor
            [6] => Tester
            [2] => user
            [3] => User2
        )

)

我想用EmpID加入这两个数据帧，以便

如果存在且密钥匹配
如果有新密钥的观察结果，那么它们应该附加在结果数据框中

我使用下面的代码来实现这一目标。

df_first = pd.DataFrame([[1, 'A',1000], [2, 'B',np.NaN],[3,np.NaN,3000],[4, 'D',8000],[5, 'E',6000]], columns=['EmpID', 'Name','Salary'])
df_second = pd.DataFrame([[1, 'A','HR','Delhi'], [8, 'B','Admin','Mumbai'],[3,'C','Finance',np.NaN],[9, 'D','Ops','Banglore'],[5, 'E','Programming',np.NaN],[10, 'K','Analytics','Mumbai']], columns=['EmpID', 'Name','Department','Location'])

但是这段代码给了我不想要的重复列，所以我只使用两个表中的唯一列进行合并。

merged_df = pd.merge(df_first,df_second,how='outer',on=['EmpID'])

现在我没有获得重复的列，但是在关键匹配的观察中没有获得值。

如果有人能帮助我，我真的很感激。

此致 Kailash Negi

Answer 1

似乎您需要combine_first set_index来匹配由列EmpID创建的索引：

df = df_first.set_index('EmpID').combine_first(df_second.set_index('EmpID')).reset_index()
print (df)
   EmpID   Department  Location Name  Salary
0      1           HR     Delhi    A  1000.0
1      2          NaN       NaN    B     NaN
2      3      Finance       NaN    C  3000.0
3      4          NaN       NaN    D  8000.0
4      5  Programming       NaN    E  6000.0
5      8        Admin    Mumbai    B     NaN
6      9          Ops  Banglore    D     NaN
7     10    Analytics    Mumbai    K     NaN

编辑：

对于某些列的顺序需要reindex：

#concatenate all columns names togetehr and remove dupes
ColNames = pd.Index(np.concatenate([df_second.columns, df_first.columns])).drop_duplicates()
print (ColNames)
Index(['EmpID', 'Name', 'Department', 'Location', 'Salary'], dtype='object')

df = (df_first.set_index('EmpID')
      .combine_first(df_second.set_index('EmpID'))
      .reset_index()
      .reindex(columns=ColNames))
print (df)
   EmpID Name   Department  Location  Salary
0      1    A           HR     Delhi  1000.0
1      2    B          NaN       NaN     NaN
2      3    C      Finance       NaN  3000.0
3      4    D          NaN       NaN  8000.0
4      5    E  Programming       NaN  6000.0
5      8    B        Admin    Mumbai     NaN
6      9    D          Ops  Banglore     NaN
7     10    K    Analytics    Mumbai     NaN

使用完全外连接在pandas中连接两个数据帧

1 个答案: