基于 3 列比较 2 个数据框并更新第二个数据答案

【问题标题】：compare 2 data frames based on 3 columns and update second data基于 3 列比较 2 个数据框并更新第二个数据
【发布时间】：2020-03-21 09:55:03
【问题描述】：

这是我的数据框的样子。需要比较基础 if df1.mid = df2.mid & df1.name=df2.name & df1.pid != df2.pid 然后用 df1.pid 更新 df2.pid。

df1

mid pid name
1   2   John
2   14  Peter
3   16  Emma
4   20  Adam

df2

mid pid name
1   2   John
2   16  Peter
3   16  Emma

更新后 df2 中的预期结果

mid pid name
1   2   John
2   14  Peter
3   16  Emma

【问题讨论】：

标签： pandas apache-spark pyspark

【解决方案1】：

merge 是您想要的，但需要考虑一些技巧：

df2.merge(df1, on=['mid', 'name'], how='left', suffixes=('_2', '_1')) \
    .assign(pid=lambda x: x['pid_1'].combine_first(x['pid_2'])) \
    .drop(columns=['pid_1', 'pid_2'])

merge 基于 mid 和 name 对齐 df1 和 df2。两个pid 列重命名为pid_1 和pid_2。
assign 通过合并前两个pids 创建一个新的pid 列：如果pid_1 可用，则使用它，如果没有，则保留原始pid_2
drop 删除 pid_1 和 pid_2，只剩下一个 pid 列

【讨论】：

【解决方案2】：

你可以试试：

df3= df1.join(df2,on=['mid','name','pid'],how='right')

【讨论】：