将右 dataframe 合并到左 dataframe，优先选择右 dataframe 的值并保留新行

Question

我怎样才能写出相当于纯 Python 的 pandas

left: dict[str, dict] = ...  # some rows keyed by KEY
right: dict[str, dict] = ...  # more rows keyed by KEY
merge_cols: list[str] = ...  # the columns that should be written into left from right

for key, row in right.items():
    if key not in left:
        left[key] = row
    else:
        for col in merge_cols:
            left[key][col] = row[col]

这样，给定：

merge_cols = ['col']
ldf = pd.DataFrame({'col': [ 3, 4, 5], 'no':['foo', 'foo', 'bar']}, index=[1,2,3])

   col   no
1    3  foo
2    4  foo
3    5  bar
    
rdf = pd.DataFrame({'col': [-2, -4, -7]}, index=[3, 4, 5])

   col
3   -2
4   -4
5   -7

结果是 dataframe：

   col   no
1  3.0  foo
2  4.0  foo
3 -2.0  bar
4 -4.0  NaN
5 -7.0  NaN

Answer 1

可能还有其他方法可以做到这一点，但我发现了一种似乎效果很好的方法。

首先，将匹配行的列复制到左侧 dataframe 并进行更新：

ldf.update(rdf[shared_cols])  # a mutating operation

然后，找到索引之间的差异，以便您可以 append 剩余的行：

new_row_indices = list(set(rdf.index) - set(ldf.index))
ldf = ldf.append(rdf.loc[new_row_indices])

Answer 2

另一种选择是先组合，在组合之前用 NaN 替换 ldf 中匹配的索引位置：

ldf.loc[ldf.index.intersection(rdf.index), merge_cols] = np.nan

ldf.combine_first(rdf)

   col   no
1  3.0  foo
2  4.0  foo
3 -2.0  bar
4 -4.0  NaN
5 -7.0  NaN

update选项做同样的事情，所以这只是一个替代方案。