基于 2 列合并两个数据集，或者在第一个数据框中找到缺失值并从另一个数据框中填充
Merging two datasets based on the 2 columns, or finding the missing values in first dataframe and filling that from the other
我有 2 个 pandas 数据框，有 2 列，即索引和日期。第一个数据框中缺少一些日期，这些值可以从与索引对应的第二个数据框中获得。我尝试使用 pd.concat、pd.merge 和 pd.join 等，但这些似乎没有给我想要的结果。这里是 table.
df1 =
df2 =
由于没有可重现的数据框，我在生成的数据上使用 运行 尝试了下面的代码，但我认为它也适用于您的代码：
import pandas as pd
df1 = pd.DataFrame({"date": [None, None, None, "01/01/2022"], "index":[402,402,403,404]})
df2 = pd.DataFrame({"date": ["16/05/2020", "18/07/2021", "13/08/2022", "26/07/2020"], "index":[402,405,403,404]})
df1.set_index("index", inplace=True)
df2.set_index("index", inplace=True)
for index, row in df1.iterrows():
if row["date"] != row["date"] or row["date"] == None:
df1.loc[index , "date"] = df2.loc[index]["date"]
df1
输出
index
date
402
16/05/2020
402
16/05/2020
403
13/08/2022
404
01/01/2022
请注意，当单元格的值为 nan 且具有浮点类型时，将使用 row["date"] != row["date"]。 nan 值甚至不等于它们自己！
你试过 df1 = df1.update(df2) 了吗？
虽然更新函数不会增加 df1 的大小，但它只会更新缺失值或已经存在的值。
您可以试试这个解决方案：
import pandas as pd
import numpy as np
# initialize list of lists
df1 = [[402, '15/05/2020'], [408, np.nan], [408, '14/05/2020']]
df2 = [[402, '16/05/2020'], [408, '10/05/2020'], [409, '13/05/2020']]
# Create the pandas DataFrame
df1 = pd.DataFrame(df1, columns=['index', 'date'])
df2 = pd.DataFrame(df2, columns=['index', 'date'])
df1.set_index("index", inplace=True)
df2.set_index("index", inplace=True)
for index, row in df1.iterrows():
if row["date"] != row["date"]:
row["date"] = df2.loc[index]["date"]
输出：
index
402 15/05/2020
408 10/05/2020
408 14/05/2020
使用此解决方案，只有日期为 nan 或 null 的行会更新为其他数据帧上的相应值。
我有 2 个 pandas 数据框，有 2 列，即索引和日期。第一个数据框中缺少一些日期，这些值可以从与索引对应的第二个数据框中获得。我尝试使用 pd.concat、pd.merge 和 pd.join 等，但这些似乎没有给我想要的结果。这里是 table.
df1 =
df2 =
由于没有可重现的数据框，我在生成的数据上使用 运行 尝试了下面的代码，但我认为它也适用于您的代码：
import pandas as pd
df1 = pd.DataFrame({"date": [None, None, None, "01/01/2022"], "index":[402,402,403,404]})
df2 = pd.DataFrame({"date": ["16/05/2020", "18/07/2021", "13/08/2022", "26/07/2020"], "index":[402,405,403,404]})
df1.set_index("index", inplace=True)
df2.set_index("index", inplace=True)
for index, row in df1.iterrows():
if row["date"] != row["date"] or row["date"] == None:
df1.loc[index , "date"] = df2.loc[index]["date"]
df1
输出
| index | date |
|---|---|
| 402 | 16/05/2020 |
| 402 | 16/05/2020 |
| 403 | 13/08/2022 |
| 404 | 01/01/2022 |
请注意，当单元格的值为 nan 且具有浮点类型时，将使用 row["date"] != row["date"]。 nan 值甚至不等于它们自己！
你试过 df1 = df1.update(df2) 了吗？
虽然更新函数不会增加 df1 的大小，但它只会更新缺失值或已经存在的值。
您可以试试这个解决方案：
import pandas as pd
import numpy as np
# initialize list of lists
df1 = [[402, '15/05/2020'], [408, np.nan], [408, '14/05/2020']]
df2 = [[402, '16/05/2020'], [408, '10/05/2020'], [409, '13/05/2020']]
# Create the pandas DataFrame
df1 = pd.DataFrame(df1, columns=['index', 'date'])
df2 = pd.DataFrame(df2, columns=['index', 'date'])
df1.set_index("index", inplace=True)
df2.set_index("index", inplace=True)
for index, row in df1.iterrows():
if row["date"] != row["date"]:
row["date"] = df2.loc[index]["date"]
输出：
index
402 15/05/2020
408 10/05/2020
408 14/05/2020
使用此解决方案，只有日期为 nan 或 null 的行会更新为其他数据帧上的相应值。