Pandas：嘗試合並兩個數據幀時出現 KeyError

Question

我有兩個 Excel 工作表（主表和輸入），索引列相同，但列數不同（見下文）。 如果添加了新行（請參閱 ID 103-105）或已更新輸入 DF 中的項目（請參閱 ID 102），我想將輸入 DF 合並到主 DF 中。 其他列可以忽略。

數據框 1（主）：

數據框 2（輸入）：

目標（以黃色標記的更新單元格）：

我正在使用以下腳本：

inputDf = pd.read_excel(inputFileName).set_index("ID")
masterDf = pd.read_excel(masterFileName).set_index("ID")

# Update existing rows
masterDf.update(inputDf)

# find out which ids are new
ids_of_new_rows = set(inputDf.index) - set(masterDf.index)

# get new rows that should be added to master
rows_to_add = masterDf.loc[ids_of_new_rows, inputDf.columns & masterDf.columns]

我能夠更新主 DF 並獲得ids_of_new_rows 。 輸出： {'CR103', 'CR104', 'CR105'}

但是，在嘗試獲取rows_to_add ，我總是收到以下錯誤：

KeyError(f"None of [{key}] are in the [{axis_name}]")
KeyError: "None of [Index(['CR103', 'CR104', 'CR105'], dtype='object', name='ID')] are in the [index]"

有任何想法嗎？

Answer 1

關於錯誤

錯誤來自這樣一個事實，即['CR103', 'CR104', 'CR105']中沒有ID為['CR103', 'CR104', 'CR105']的masterDf ，但在inputDf 。 你正在嘗試做的可能是

rows_to_add = inputDf.loc[ids_of_new_rows, inputDf.columns & masterDf.columns]

你可能想要做什么

inputDf = pd.read_excel(inputFileName).set_index("ID")
masterDf = pd.read_excel(masterFileName).set_index("ID")

# Update existing rows
masterDf.update(inputDf)
# Add new rows
masterDf = pd.concat((masterDf, inputDf.loc[inputDf.index.difference(masterDf.index), inputDf.columns & masterDf.columns]))

這里Index.difference用於獲取inputDf中不存在於masterDf的索引值。

Answer 2

這是實現下面描述的結果的正確腳本。 簡單的解決方案是更改 inputDF 和 masterDF ...

# Define DataFrame
inputDf = pd.read_excel(inputFileName).set_index("ID")
masterDf = pd.read_excel(masterFileName).set_index("ID")

# Update existing rows
masterDf.update(inputDf)

# find out which ids are new
ids_of_new_rows = set(inputDf.index) - set(masterDf.index)

# get new rows that should be added to master
rows_to_add = inputDf.loc[ids_of_new_rows, inputDf.columns & masterDf.columns]

# add new rows to existing master
df_result = pd.concat([masterDf, rows_to_add])