按ID合并两个Excel文件并合并具有相同名称的列（python，pandas）

Question

我是stackoverflow和python熊猫的新手。 我在寻找使用Python 2.7按ID将两个Excel文件合并为一个Excel文件的文章中找到了答案的一部分

但是，我也想合并或合并两个具有相同名称的Excel文件中的列。 我以为下面的帖子会有我的答案，但是我想标题不正确： 合并具有相同列名的Pandas DataFrames

现在我有代码：

import pandas as pd

file1 = pd.read_excel("file1.xlsx")
file2 = pd.read_excel("file2.xlsx")

file3 = file1.merge(file2, on="ID", how="outer")

file3.to_excel("merged.xlsx")

file1.xlsx

ID，JanSales，FebSales，测试
1100200，汽车
2200500，
3300400，船

file2.xlsx

ID，CreditScore等，EMMAScore，测试
2，良好的，沃森，飞机
3，还好，汤普森，
4，不那么好，NA，

我得到的是merged.xlsx

ID，JanSales，FebSales， test_x ，CreditScore，EMMAScore， test_y
1100200，汽车不同，NaN，NaN的，
2200500，好，沃森，飞机
3300400，船，还好，汤普森，
4，为NaN，NaN的,,不那么好，NaN的，

我想要的是merged.xlsx

ID，JanSales，FebSales，CreditScore，EMMAScore， test
1100200大，NaN，NaN的，汽车
2200500，好，沃森，飞机
3300400，还好，汤普森，船
4，为NaN，NaN的，不那么好，NaN的，萘乙酸

在我的实际数据中，有200多个列与示例中的“测试”列相对应。 我希望程序在file1.xlsx和file2.xlsx中找到具有相同名称的这些列，并将它们合并在合并的文件中。

Answer 1

好的，这是一种更加动态的方式，在合并之后，我们假设将发生冲突并导致“ column_name_x”或“ _y”。

因此，首先找出通用列名称，然后从此列表中删除“ ID”

In [51]:

common_columns = list(set(list(df1.columns)) & set(list(df2.columns)))
common_columns.remove('ID')
common_columns
Out[51]:
['test']

现在，我们可以遍历此列表以创建新列，并使用where来根据哪个值不为null来有条件地分配该值。

In [59]:

for col in common_columns:
    df3[col] = df3[col+'_x'].where(df3[col+'_x'].notnull(), df3[col+'_y'])
df3
Out[59]:
   ID  JanSales  FebSales test_x  CreditScore EMMAScore  test_y    test
0   1       100       200   cars          NaN       NaN     NaN    cars
1   2       200       500    NaN         good    Watson  planes  planes
2   3       300       400  boats         okay  Thompson     NaN   boats
3   4       NaN       NaN    NaN  not-so-good       NaN     NaN     NaN

[4 rows x 8 columns]

然后只需结束所有多余的列：

In [68]:

clash_names = [elt+suffix for elt in common_columns for suffix in ('_x','_y') ]
clash_names
df3.drop(labels=clash_names, axis=1,inplace=True)
df3
Out[68]:
   ID  JanSales  FebSales  CreditScore EMMAScore    test
0   1       100       200          NaN       NaN    cars
1   2       200       500         good    Watson  planes
2   3       300       400         okay  Thompson   boats
3   4       NaN       NaN  not-so-good       NaN     NaN

[4 rows x 6 columns]

上面的代码段是这样的： 给列表元素加上前缀列表前缀