Pandas：基於公共列連接兩個數據幀的最佳方法

Question

我知道這是一個基本問題。 但是，請聽我說完。

我有以下數據框：

In [722]: m1
Out[722]: 
   Person_id  Evidence_14 Feature_14
0        100         90.0       True
1        101          NaN        NaN
2        102         91.0       True
3        103          NaN        NaN
4        104         94.0       True
5        105          NaN        NaN
6        106          NaN        NaN

In [721]: m3
Out[721]: 
   Person_id  Evidence_14 Feature_14
0        100          NaN        NaN
1        101         99.0      False
2        102          NaN        NaN
3        103         95.0      False
4        104          NaN        NaN
5        105          NaN        NaN
6        106         93.0      False

預期 Output：

In [734]: z
Out[734]: 
   Person_id  Evidence_14 Feature_14
0        100         90.0       True
1        101         99.0      False
2        102         91.0       True
3        103         95.0      False
4        104         94.0       True
5        105          NaN        NaN
6        106         93.0      False

我能夠像下面這樣解決這個問題：

In [725]: z = m1.merge(m3, on='Person_id')
In [728]: z['Evidence_14'] = z.Evidence_14_x.combine_first(z.Evidence_14_y)
In [731]: z['Feature_14'] = z.Feature_14_x.combine_first(z.Feature_14_y)
In [733]: z.drop(['Evidence_14_x', 'Evidence_14_y', 'Feature_14_x', 'Feature_14_y'], 1, inplace=True)

In [734]: z
Out[734]: 
   Person_id  Evidence_14 Feature_14
0        100         90.0       True
1        101         99.0      False
2        102         91.0       True
3        103         95.0      False
4        104         94.0       True
5        105          NaN        NaN
6        106         93.0      False

但是，有沒有更清潔/更好的方法來做到這一點？ 我錯過了一些非常明顯的東西嗎？

Answer 1

如果列名稱匹配並且需要通過Person_id值匹配，請使用：

m = m1.set_index('Person_id').combine_first(m2.set_index('Person_id')).reset_index()

如果兩個 DataFrames 解決方案中的索引值相同並且Person_id相同，則應通過與原始索引值匹配來簡化：

m = m1.combine_first(m2)

Answer 2

由於 Person_id 唯一定義了 m1 和 m3 中的相關行，因此您必須使用 set_index。 看這個：

import pandas as pd

df1 = pd.DataFrame({'id':[11, 22, 33,44],'A': [None, 0, 17, None], 'B': [None, 4, 19,None]})
df2 = pd.DataFrame({'id':[111, 222], 'A': [9999, 9999], 'B': [7777, 7777]})

# df1 = df1.set_index('id')
# df2 = df2.set_index('id')

df1.combine_first(df2)


Out[32]: 
   id       A       B
0  11  9999.0  7777.0
1  22     0.0     4.0
2  33    17.0    19.0
3  44     NaN     NaN

如果您不使用 set_index ，則 A 的第一個值將被更改，即使它的 id 為 df1 中的 11 和 df2 中的 111 （不同的 id）

另請注意，如果您使用 set_index，m1 中不存在的 id 將被添加到結果中。