Question

我正在使用熊猫，并且有两个数据框：

df1：

    id date status rpbid rpfid
     1  d1   closed null  10
     2  d2   closed null  11
     3  d3   closed null  null

和df2：

     id date status  rpbid rpfid
     10 d10  updated 1     null
     11 d11  updated 2     9
     9  d9   updated 11    null

我的想法是要处理2种情况： 1.已关闭记录是该实例的第一条记录和最终记录（id 3中的df1）， 2.在关闭的记录中，有另一个更新的记录在df2中链接。 rfbid和rpbid用于replacedbyid和replacementforid 因此，最终的df为：

id date status rpbid rpfid id2 date2 rpbid2 rpfip2
1  d1   closed null  10    10  d10   1      null
2  d2   closed null  11    9   d9    11     null
3  d3   closed null  null  null null  null   null

到目前为止，我已经尝试在df1和df2上进行第一个左联接，以获取所有的第一个递归联接，然后尝试使用循环来检查{{1 }}为空，如果不是的话，我要回过头来看rpbid2的id列中df1值的rpdid2，那么我想更新合并后的第二部分数据框将成为适用的下一步连接。

这是原始代码：我无法得到它不是错误

df2

更多背景信息；如果replacebyID为null，并且状态为“已更新”，则表示该记录是该给定订单的第一条记录。

Answer 1

免责声明：与其试图在问题的底部找出一种获取所需数据框的方法，我的目的是要确保您完全确定自己要做什么正在这样做，也许可以帮助您更好地构造数据。

对于我所看到的，您有两个数据帧，每个数据帧中都有相互绑定以更新其内容；问题是您正在显示一个示例，其中要更新另一个数据帧中另一个元素的行也要被更新。

您正在弄乱数据结构和行标识。我不清楚每个数据帧中的id引用是引用其自身数据帧中的一行还是引用另一个数据行中的一行； ID未按包含顺序排序。制作联合数据框时，您递归地包含一列以再次替换数据，从而使数据框在没有实际用途的情况下水平增长。

我认为您已经尝试过以自己的方式来更新数据，现在您遇到的问题是，如果您使用的数据结构更为普遍，并且已经被认为具有可伸缩性和易于操作，那么您将不会遇到这些问题。

如果要更新数据，最好的方法是使用数据模型，该模型具有正确设置数据库内部表格式的表（您仍可以使用pandas；数据框可以作为表）。您可以在更新请求到达要更新内容的地方时更新数据，而不是单独保存更新记录，而是同时拥有更新请求。那太乱了。如果要保留更新记录，则必须有一个不断更新的表，然后是另一个表，该表在表中显示每个已经执行操作的记录。您可以在后者中存储先前的值和为其更新的值。
您必须正确命名数据帧，并且当您引用另一个数据帧中的ID时，该字段的名称必须固有地指示对该数据帧的引用。
< / li>
您可以在该字段中包括日期，而不必引用另一个表。看起来不太好。只需使用datetime.datetime模块并将对象转储到数据框中即可； Python负责其余的工作。
变量名也应该是不言自明的：与其使用rpbid，而不必向每个人解释意味着被替换的事物，只需使用replaced_by_id（注意下划线来分隔单词）

基于条件的Python递归更新

1 个答案: