两个数据帧的 Pandas join.fillna 不仅将所有值替换为 nan

Question

以下代码将根据索引更新库存商品数量。旧库存的 table dr 持有 >1000 个值。更新后的数据框 grp1 包含已售商品的数量。我想从数据帧 dr 中减去数据帧 grp1 并更新 dr。一切都很好，直到我想加入 grp1 与 Panda 的 join 和 fillna。首先，数据类型从 int 更改为 float，不仅 NaN，notnull 值也被替换为 0。这是索引不匹配的问题吗？

我试图使数据类型统一，但这并没有改变任何东西。在加入两个数据帧时删除 fillna returns 所有列的 NaN。


dr has the following format (example):

druck_pseudonym   lager_nr  menge_im_lager
80009359            62808               1
80009360            62809              10
80009095            62810               0
80009364            62811              11
80009365            62812              10
80008572            62814              10
80009072            62816              18
80009064            62817              13
80009061            62818               2
80008725            62819               3
80008940            62820              12


dr.dtypes
lager_nr          int64
menge_im_lager    int64
dtype: object

and grp1 (example):
LagerArtikelNummer1         ArtMengen1
880211066                      1
80211070                      1
80211072                      2
80211073                      2
80211082                      2
80211087                      4
80211091                      1
80211107                      2
88889272                      1
88889396                      1


ArtMengen1    int64
dtype: object

#update list with "nicht_erledigt"
dr_update = dr.join(grp1).fillna(0)
dr_update["menge_im_lager"] = dr_update["menge_im_lager"] - dr_update["ArtMengen1"]

这个returns:


                lager_nr  menge_im_lager  ArtMengen1
druck_pseudonym                                      
80009185            44402            26.0         0.0
80009184            44403             2.0         0.0
80009182            44405            16.0         0.0
80008894            44406            32.0         0.0
80008115            44407             3.0         0.0
80008974            44409            16.0         0.0
80008380            44411             4.0         0.0

dr_update.dtypes
lager_nr            int64
menge_im_lager    float64
ArtMengen1        float64
dtype: object

Answer 1

如果我理解正确的话，首先你希望不匹配的索引在你的最终数据集中，你希望你的最终数据集是整数。您可以对数据集使用 'outer' join 和 astype int。所以，在加入时你可以这样做：

dr.join(grp1,how='outer').fillna(0).astype(int)

Answer 2

评论后编辑，索引是对象。

您的索引是字符串对象。您需要将这些转换为数字。使用

dr.index = pd.to_numeric(dr.index) 
grp1.index = pd.to_numeric(grp1.index)

dr.sort_index()
grp1.sort_index()

然后尝试剩下的...

您可以过滤旧库存 'dr' 数据框以匹配已售出的库存，然后减去并返回到原始过滤数据框。

# Filter the old stock dataframe so that you have matching index to the sold dataframe. 
# Restrict just for menge_im_lager. Then subtract the sold stock
dr.loc[dr.index.isin(grp1.index), "menge_im_lager"] = (
    dr.loc[dr.index.isin(grp1.index), "menge_im_lager"] - grp1["ArtMengen1"]
)

两个数据帧的 Pandas join.fillna 不仅将所有值替换为 nan

Pandas join.fillna of two data frames replaces all all values with anf not only nan

python

join

nan

pandas

评论后编辑，索引是对象。