时间戳

首页 > 解决方案 > 如何比较两个 Dataframe 并更新其中一个 Dataframe 中的特定列？

python - 如何比较两个 Dataframe 并更新其中一个 Dataframe 中的特定列？

问题描述

更新：我对答案有一些问题，并猜测这与行不匹配有关。（更新了 today_df 以便今天和昨天有不同的行数）。

我需要比较昨天的数据框和今天的新数据框来更新今天的数据框上的一列。例如：昨天_df：

fruit      price  qty   comment
apple       1.5   10    In Stock
banana      0.7   20    In Stock
Pear        3.0   5     In Stock
Watermelon  1.2   30    Out Stock

today_df（更新了 today_df 以便今天和昨天的行数不同）

fruit      price  qty   comment
apple       1.5   10    
Strawberry  1.7   20    
Pineapple   0.9   5     
Watermelon  1.2   30   
Peach       2.1   10

期望的输出：today_df 

fruit      price  qty   comment
apple       1.5   10    In Stock  <-- from yesterday
Strawberry  1.7   20               <-- empty
Pineapple   0.9   5                 <-- empty
Watermelon  1.2   30    Out Stock   <-- From Yesterday
peach       2.1   10                <-- empty

对于 Today's Dataframe，前一天对 Apple 和 Watermelon 的评论被保留，数据中的新信息（草莓和菠萝）留空。

我尝试使用系列映射：

fruit_map = yesterday_df.set_index('fruit')['Comment']
today_df['Comment']=today_df['fruit'].map(fruit_map).fillna(today_df['Comment'])
today_df

但收到此错误：

InvalidIndexError：重新索引仅对具有唯一值的索引对象有效

fruit_map = yesterday_df.set_index('fruit')['Comment']
today_df['Comment']=today_df['fruit'].map(fruit_map).fillna(today_df['Comment'])
today_df

today_df
fruit      price  qty   comment
apple       1.5   10    In Stock
Strawberry  1.7   20    
Pineapple   0.9   5     
Watermelon  1.2   30    Out Stock

标签： pythonpandas

解决方案

您走在正确的道路上，但是您可以利用索引来分配值，因此不需要映射。当您使用系列为数据框分配值时，它将在索引上对齐。这里的关键是确保您使用“fruit”作为两个数据帧的索引。最简单的方法是：

import pandas as pd
from pandas.compat import StringIO

yesterday = """
fruit,price,qty,comment,col to show it works with different shapes
apple,1.5,10,In Stock,bleh
banana,0.7,20,In Stock,blah
Pear,3.0,5,In Stock,bip
Watermelon,1.2,30,Out Stock,bop
"""

today = """
fruit,price,qty,comment
apple,1.5,10,
Strawberry,1.7,20,
Pineapple,0.9,5,
Watermelon,1.2,30,
Peach,2.1,10,
"""

yesterday_df = pd.read_csv(StringIO(yesterday), sep=",").set_index("fruit")
today_df = pd.read_csv(StringIO(today), sep=",").set_index("fruit")

today_df["comment"] = yesterday_df["comment"]

today_df

Out[1]: 
            price  qty    comment
fruit                            
apple         1.5   10   In Stock
Strawberry    1.7   20        NaN
Pineapple     0.9    5        NaN
Watermelon    1.2   30  Out Stock
Peach         2.1   10        NaN

或者，您可以在读取数据时将索引设置为“fruit”并避免set_index调用。

您可能还想通过小写来清理索引（'fruit' 列），因为字符串索引区分大小写。例如，如果昨天你有“Apple”，而今天是“apple”，这是行不通的。

另外，我假设您对更改有关“价格”或“数量”的任何内容不感兴趣。

推荐阅读