Блог

Дело в том, что у меня есть два кадра данных. Первый кадр данных содержит 5 столбцов, а второй-10 столбцов. Кроме того, есть несколько наблюдений, которые появляются в обоих кадрах данных, и я хотел сохранить только те, которые появляются во втором.

Это будет первый кадр данных:

 id month year purchase category A0 2 2020 100 clothes A0 3 2020 40 food A9 2 2020 50 food A9 3 2020 90 food A9 4 2020 150 clothes A9 5 2020 160 clothes B1 2 2021 110 game B1 3 2021 100 game . . .  

И это будет второй кадр данных:

 id month year purchase category col_1 ... col_n A0 2 2020 100 clothes 10 ... ABC A9 4 2020 150 clothes 20 ... DDD A9 5 2020 160 clothes 10 ... ACD B1 2 2021 110 game 15 ... EEE . . .  

Я хотел собрать два фрейма данных вместе, сложив их в стопку, но когда есть наблюдение со всеми пятью равными столбцами, мы будем рассматривать только наблюдение из второго фрейма данных, поэтому я могу заполнить все столбцы.

Это был бы желаемый результат:

 id month year purchase category col_1 ... col_n A0 2 2020 100 clothes 10 ... ABC A0 3 2020 40 food NaN ... NaN A9 2 2020 50 food NaN ... NaN A9 3 2020 90 food NaN ... NaN A9 4 2020 150 clothes 20 ... DDD A9 5 2020 160 clothes 10 ... ACD B1 2 2021 110 game 15 ... EEE B1 3 2021 100 game NaN ... NaN . . .  

Я думал об использовании pandasql, поэтому я бы сделал несколько подзапросов. Но, может быть, есть решение для Панд, более короткое и быстрое.

Почти наверняка есть какой-то способ сделать это в одной строке, но этот подход все равно должен сработать:

 df1 = pd.DataFrame({'id': ['A0', 'A0', 'A9'],  'month': [2, 3, 2],  'purchase': [100, 40, 50],  'category': ['clothes', 'food', 'food']})  df2 = pd.DataFrame({'id': ['A0', 'A0', 'A9'],  'month': [2, 3, 4],  'purchase': [100, 40, 50],  'category': ['clothes', 'food', 'food'],  'something else': ['foo', 'blah', 'blerg']}) df = pd.merge(df2, df1, how = 'outer') df = df.drop_duplicates(subset = df1.columns)  

Это тогда даст: