[英]Merging Data Frames with Pandas
我正在尝试将某些数据帧合并到一个数据帧中,并使用 Pandas 填充缺失值。 一个例子如下:
import pandas as pd
data1 = {'SKU' : ['C1', 'D1'],
'Description' : ['c2', 'd'],
'Unit Cost' : [0.2, 1.5],
'Qty1' : [18, 10]}
idx1 = ['RM0001', 'RM0004']
data2 = {'SKU' : ['C1', np.nan],
'Description' : ['c', 'e'],
'Qty2' : [15, 8]}
idx2 = ['RM0001', 'RM0010']
data3 = {'SKU' : ['D1', 'E1'],
'Description' : ['d', 'e'],
'Qty3' : [7, 9]}
idx3 = ['RM0004', 'RM0010']
df1 = pd.DataFrame(data1, index=idx1)
df2 = pd.DataFrame(data2, index=idx2)
df3 = pd.DataFrame(data3, index=idx3)
所需的输出将采用以下形式:
SKU Description Unit Cost Qty1 Qty2 Qty3
RM0001 C1 c 0.2 18.0 15.0 NaN
RM0004 D1 d 1.5 10.0 NaN 7.0
RM0010 E1 e NaN NaN 8.0 9.0
我尝试了各种 pd.merge 和 functools.reduce 应用程序,但都没有给我想要的输出。 我还在学习熊猫,所以我想我错过了一些东西,因为这不应该太复杂。 对这些步骤的一个小解释(或一个优秀来源的链接)将不胜感激。
尝试combine_first
,您可以将它们链接起来:
df1.combine_first(df2).combine_first(df3)
输出:
Description Qty1 Qty2 Qty3 SKU Unit Cost
RM0001 c2 18.0 15.0 NaN C1 0.2
RM0004 d 10.0 NaN 7.0 D1 1.5
RM0010 e NaN 8.0 9.0 E1 NaN
或者您可以将concat
与groupby
一起使用:
pd.concat([df1,df2,df3]).groupby(level=0).first()
输出:
SKU Description Unit Cost Qty1 Qty2 Qty3
RM0001 C1 c2 0.2 18.0 15.0 NaN
RM0004 D1 d 1.5 10.0 NaN 7.0
RM0010 E1 e NaN NaN 8.0 9.0
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.