合并和替换值数据框 pandas答案

【问题标题】：combine and replace value dataframe pandas合并和替换值数据框 pandas
【发布时间】：2020-07-17 20:39:55
【问题描述】：

我有两个日期和客户 ID 相同但数量不同的数据框。

我尝试获取另一个具有 dfA 数量值的数据帧，并在 dfA 不存在时将另一个 0 保留在 dfB 上

dfA:
    client_id  date         amount
0     1        2020-07-11    100
1     1        2020-07-10    90
2     1        2020-07-09    80
3     1        2020-07-12    70
3     1        2020-07-01    86

dfB:
    client_id  date         amount
0     1        2020-07-11    0
1     1        2020-07-10    0
2     1        2020-07-09    0
3     1        2020-07-07    0
4     1        2020-07-06    0
5     1        2020-07-05    0
5     1        2020-07-04    0
3     1        2020-07-03    0
4     1        2020-07-02    0
5     1        2020-07-01    0

我想得到：

dfResult:
    client_id  date         amount
0     1        2020-07-11    100
1     1        2020-07-10    90
2     1        2020-07-09    80
3     1        2020-07-07    70
4     1        2020-07-06    0
5     1        2020-07-05    0
5     1        2020-07-04    0
3     1        2020-07-03    0
4     1        2020-07-02    0
5     1        2020-07-01    86

【问题讨论】：

标签： python pandas dataframe pandas-groupby

【解决方案1】：

您可以将concat df 放在一起，按数量排序，然后删除重复项。

dfResult = pd.concat([dfA,dfB]).sort_values(by='amout',ascending = False).drop_duplicates(subset=['client_id','date'],keep='first').reset_index().sort_values(by=['client id','date'],ascending = (True,False))

【讨论】：

你好，抱歉附加类型错误：无法将类型“时间戳”与类型“日期”进行比较
dfb 数据框
date_range = pd.date_range(date_begin.date(), date_end.date()) data = pd.DataFrame([], columns=['client_id', 'date', 'amount'] ) 数据['date'] = date_range

【解决方案2】：

试试这个，

(
    dfB.date.map(
        dfA.set_index('date')['amount'].to_dict()
    ).fillna(0.0)
)

或者

(
    dfB.merge(
        dfA, on=['client_id', 'date'], suffixes=("_x", ""), how='left'
    ).fillna(0.0).drop(columns=["amount_x"])
)

   client_id        date  amount
0          1  2020-07-11  100.0
1          1  2020-07-10   90.0
2          1  2020-07-09   80.0
3          1  2020-07-07    0.0
4          1  2020-07-06    0.0
5          1  2020-07-05    0.0
5          1  2020-07-04    0.0
3          1  2020-07-03    0.0
4          1  2020-07-02    0.0
5          1  2020-07-01   86.0

【讨论】：

这会忽略client_id，这（我猜）有点重要