Question

我有两个数据框A和B。A和B具有相同的索引和相同的列名。但是，它们的条目是不同的（值和NaN混杂在一起）。

我想将A和B合并到另一个具有相同索引和列的数据框C中。

让我们以A.iloc [1,2]为例，例如A的第一行和第三列。如果A中的该条目为NaN，但B中的该条目为99，我希望C.iloc [1,2]为99。如果它们都是NaN，则结果将为NaN。

如果它们都是两个值，例如23和99，我希望合并产生更大的数字（99），但是我需要将索引标记为错误。

我所做的：

使用行和列编写for循环，以在两个数据帧之间进行匹配。例如，如果某个条目在A中大于0，在B中大于0，则我将条目的索引存储在列表中，并在C中附加较大的值。这是非常低效的，我想使用更好的方法。（加上它失败了，因为我是一个可怕的程序员）
尝试使用pandas.merge。我对合并过程不太了解，但是我尝试了几种类似pd.merge(A, B, left_on = A.index, right_on = B.index, how = 'outer', indicator = True)的方法。它为我返回了一个数据帧，其中包含更多行，并且将其名称末尾附加x和y的列加倍。

有什么想法吗？

Answer 1

因此，据我了解，您只想针对df1值从df2更新Non-Null。

以下面的数据框为例：

In [1761]: df1
Out[1761]: 
   val1  val2  val3
0   NaN   NaN  0.20
1   NaN   0.2   NaN
2   NaN   NaN  0.13
3   NaN  50.0  0.40

In [1762]: df2
Out[1762]: 
   val1   val2  val3
0    99   0.10   NaN
1    99    NaN  0.10
2    99    NaN  0.13
3    99  50.00  0.40

因此，在上述情况下，将发生以下更新：

1。）val1的{{1}}将更新df1的列val1的所有行，因为df2对此具有所有非空值列。

2。）df2的{{1}}仅更新val2的列df1的第一行，因为val2的值为Non-Null此列的第一行。

3。）df2的{{1}}仅更新df2的列val3的第二行，因为df1的值为Non-Null此列的第二行。

注意：val3的列df2的第三行将不会更新，因为即使在df2中它也具有NULL值。

下面是执行上述操作的代码：

val2

现在，df1更新后的外观如下：

df2

我认为这可以解决您的问题。

python与pandas合并（相同索引，同一列）仍返回_x和_y列

1 个答案: