合并两个具有匹配 ID 的不同长度的数据帧，并在两列上填充主要 dataframe 的 NaN 值

Question

我有两个数据框，主要的 dataframe 有两列 Lat 和 Long，其中一些有值，一些是 NaN。 我有另一个 dataframe，它是这个主要的 dataframe 的子集，其中 Lat 和 Long 填充了值。 我想根据匹配 ID 将这些值填充到主 DataFrame 中。

总机 DataFrame：

        ID      Lat         Long
0   9547507704  33.853682   -80.369867
1   9777677704  32.942332   -80.066165
2   5791407702  47.636067   -122.302559
3   6223567700  34.224719   -117.372550
4   9662437702  42.521828   -82.913680
... ... ... ...
968552  4395967002  NaN NaN
968553  6985647108  NaN NaN
968554  7996438405  NaN NaN
968555  9054647103  NaN NaN
968556  9184687004  NaN NaN

DataFrame 填写：

    ID          Lat         Long
0   2392497107  36.824257   -76.272486
1   2649457102  37.633918   -77.507746
2   2952437110  37.511077   -77.528711
3   3379937304  39.119430   -77.569008
4   3773127208  36.909731   -76.070420
... ... ... ...
23263   9512327001  37.371059   -79.194838
23264   9677417002  38.406665   -78.913133
23265   9715167306  38.761194   -77.454184
23266   9767568404  37.022287   -76.319882
23267   9872047407  38.823017   -77.057818

这两个数据帧的长度不同。

编辑澄清：如果 ID 在两个 DataFrame 中匹配，我需要用子集中的纬度和经度替换主要 DataFrame 的纬度和经度列中的 NaN。 我的 DataFrame 都是 >60 列，我只是想为这两列替换 NaN。

编辑：

我选择了这个映射解决方案，虽然它不是我正在寻找的，但我知道有一个更简单的解决方案。

#mapping coordinates to NaN values in main 
m = dict(zip(fill_df.ID,fill_df.Lat))
main_df.Lat = main_df.Lat.fillna(main_df.ID.map(m))
n = dict(zip(fill_df.ID,fill_df.Long))
main_df.Long = main_df.Long.fillna(main_df.ID.map(n))

Answer 1

new_df = pd.merge(main_df, sub_df, how='left', on='ID')

我想左连接会完成这项工作。

Answer 2

一种方法是使用DataFrame.combine_first 。 该方法在索引和列上对齐 DataFrame，因此您需要将ID设置为每个 DataFrame 的索引，调用df_main.combine_first(df_filler) ，然后将ID重置为列。 （看起来很尴尬；可能有更优雅的方法。）

假设您的主要 DataFrame 被命名为df_main并且您要填充的 DataFrame 被命名为df_filler ：

df_main.set_index('ID').combine_first(df_filler.set_index('ID')).reset_index()

Answer 3

这应该可以解决问题：

import math
A = pd.DataFrame({'ID' : [1, 2, 3], 'Lat':[4, 5, 6], 'Long': [7, 8, float('nan')]})
B = pd.DataFrame({'ID' : [2, 3], 'Lat':[5, 6], 'Long': [8, 9]})
print('Old table:')
print(A)
print('Fix table:')
print(B)
for i in A.index.to_list():
    for j in B.index.to_list():
        if not A['ID'][i] == B['ID'][j]:
            continue
        if math.isnan(A['Lat'][i]):
            A.at[i, 'Lat'] = B['Lat'][j] 
        if math.isnan(A['Long'][i]):
            A.at[i, 'Long'] = B['Long'][j]
print('New table:')
print(A)

回报：

   ID  Lat  Long
0   1    4   7.0
1   2    5   8.0
2   3    6   NaN
Fix table:
   ID  Lat  Long
0   2    5     8
1   3    6     9
New table:
   ID  Lat  Long
0   1    4   7.0
1   2    5   8.0
2   3    6   9.0

不是很优雅，但可以完成工作:)

Answer 4

A.set_index('ID').fillna(B[['ID', 'Lat', 'Long']].set_index('ID')).reset_index()

例子：

>>> A
   ID  Lat  Long  Dont Update
0   1    4   7.0          7.0
1   2    5   8.0          8.0
2   3    6   NaN          NaN
>>> B
   ID  Lat  Long  Dont Update
0   2    5     8           10
1   3    6     9           10
>>> A.set_index('ID').fillna(B[['ID', 'Lat', 'Long']].set_index('ID')).reset_index()
   ID  Lat  Long  Dont Update
0   1    4   7.0          7.0
1   2    5   8.0          8.0
2   3    6   9.0          NaN