Question

我需要使用Pandas合并两个.xlsx文件。数据框格式如下：数据框1：

+-------+-------+-------+-------+-------+
| Index | Col_A | Col_B | Col_C | Col_Q | 
+-------+-------+-------+-------+-------+ 
|   1   |   A1  |   B1  |   C1  |   Q1  | 
|   2   |   A2  |   B2  |   C2  |   Q2  | 
|   3   |   A3  |   B3  |   C3  |   Q3  | 
|  ...  |  ...  |  ...  |  ...  |  ...  | 
|  100  |  A100 |  B100 |  C100 |  Q100 | 
+-------+-------+-------+-------+-------+

数据框2：

+-------+--------+--------+--------+ 
| Index |  Col_X |  Col_Y |  Col_Z | 
+-------+--------+--------+--------+ 
|   1   | XData1 | YData1 | Part 1 | 
|   2   | XData2 | YData2 | Part 2 | 
|   3   | XData3 | YData3 | Part 3 | 
|  ...  |  ...   |  ...   |  ...   | 
|   N   | XDataN | YDataN | Part N | 
+-------+--------+--------+--------+

数据帧2中的Col_Z是唯一的部件号，N是小于100的值。此部件号将与DF1的Col_A，Col_B或Col_C中的一个且仅一个值匹配。如果部件号与其中一个值匹配，我想将数据帧2的该行中的所有数据合并到数据帧1的右侧。最终表应如下所示：数据框3：

+-------+-------+-------+-------+-------+-------+--------+--------+--------+
| Index | Col_A | Col_B | Col_C | Col_Q | Index |  Col_A |  Col_B |  Col_Z |
+-------+-------+-------+-------+-------+-------+--------+--------+--------+
|   1   |  A1   |  B1   |   C1  |  Q1   |   X   | XDataX | YDataX | Part X | 
|   2   |  A2   |  B2   |   C2  |  Q2   |   Y   | XDataY | YDataY | Part Y | 
|   3   |  A3   |  B3   |   C3  |  Q3   |   Z   | XDataZ | YDataZ | Part Z | 
|  ...  |  ...  |  ...  |  ...  |  ...  |  ...  |  ...   |  ...   |  ...   | 
|  100  |  A100 | B100  |  C100 | Q100  |   N   | XDataN | YDataN | Part N | 
+-------+-------+-------+-------+-------+-------+--------+--------+--------+

我想保持DF1和DF2的索引重新排列，以便Col_Z与Col_A，Col_B或Col_C匹配。我尝试的是三个单独的合并命令，其中left_on分别是Col_A，Col_B和Col_C。在所有三种情况下，属性right_on都是Col_Z。这将为Col_A，Col_B和Col_C与部件号匹配的实例提供三个新数据框。当我尝试合并这些数据帧以创建具有所有信息的最终数据帧时，我会遇到诸如数据向右移动等问题。关于解决方案的任何想法？

Answer 1

如果您已创建合并的数据框，例如：

dfa = df1.merge(df2, left_on = 'Col_A', right_on = 'Col_Z', how = 'left')

请注意how = 'left'保留df1的所有数据。对于Col_B和Col_C也有同样的想法，那么你可以这样做：

df_output = dfa.fillna(dfb).fillna(dfc)

您将nan中的dfa填充dfb然后dfc的值，如果它们存在且不是nan。

Python Pandas - 合并多个数据帧

1 个答案: