我想合并两个数据框,并优先将左侧数据框的数据置于右侧:
我目前有:
(Pdb) pp question_struct
QuestionID RowID MenuID ColumnID SourceRowID SourceColumnID SourceVariationID
0 316926394 3029937752 0 0 3029937752 0 0
1 316926394 3029937753 0 0 3029937753 0 0
2 316926394 3029937754 0 0 3029937754 0 0
3 316926394 3029937755 0 0 3029937755 0 0
4 316926394 3029937756 0 0 3029937756 0 0
5 316926394 3029937757 0 0 3029937757 0 0
[6 rows x 7 columns]
(Pdb) pp df
QuestionID RowID ColumnID MenuID SourceRowID SourceColumnID SourceVariationID ResponseCount
0 316926394 3029937753 0 0 3029937753 0 0 1
[1 rows x 8 columns]
(Pdb) df.combine_first(question_struct)
ColumnID MenuID QuestionID ResponseCount RowID SourceColumnID SourceRowID SourceVariationID
0 0 0 316926394 1 3029937753 0 3029937753 0
1 0 0 316926394 NaN 3029937753 0 3029937753 0
2 0 0 316926394 NaN 3029937754 0 3029937754 0
3 0 0 316926394 NaN 3029937755 0 3029937755 0
4 0 0 316926394 NaN 3029937756 0 3029937756 0
5 0 0 316926394 NaN 3029937757 0 3029937757 0
[6 rows x 8 columns]
但它正在丢失 question_struct 3029937752 的第一行,即使它与 df 中的任何内容都不冲突并复制确实有冲突的 3029937753。
请您参考如下方法:
combine_first只是匹配索引,而不是值(就像合并那样),并更新这些行中的 NaN。如果您在 question_struct 中有额外的列或在 df 中有 NaN,那么这些将被合并到新的 DataFrame 中,因为您没有,它不会提取任何内容。
下面是一个例子来解释发生了什么:
In [11]: df1 = pd.DataFrame([[1, 2], [3, 4]], columns=['A', 'B'])
In [12]: df2 = pd.DataFrame([[5, 6], [7, 8]], index=[1, 2], columns=['A', 'C'])
In [13]: df1.combine_first(df2)
Out[13]:
A B C
0 1 2 NaN
1 3 4 6
2 7 NaN 8
看到没有包括 5,因为 df1 已经有第 1 行的 B 列的值。
如果我们先让 3 成为 NaN,那么它将使用 5:
In [14]: df1.iloc[1,0] = np.nan # was a 3
In [15]: df1.combine_first(df2)
Out[15]:
A B C
0 1 2 NaN
1 5 4 6
2 7 NaN 8
