使用 pandas 对两个数据帧进行多次合并操作

Question

我有两个要实现多个操作的数据框，例如：

old_DF

id   col1   col2    col3
-------------------------
1    aaa        
2           bbb     123

new_DF

id   col1   col2    col3
-------------------------
1           xxx      999
2    xxx    kkk 

需要对这些数据帧执行以下操作：

1. 合并两个数据框
2. 仅将 old_DF 中的空白 (NA) 单元格替换为 new_DF 中的相应值
3. 两个数据帧中值相互矛盾的单元格应在新数据帧中报告

期望的结果：

updated_df

id   col1   col2    col3
-------------------------
1    aaa    xxx     999
2    xxx    bbb     123

conflicts_df

id   col1   col2    col3
-------------------------
2           bbb
2           kkk     

我可以使用.append() 方法来连接两个数据框，我想可以使用.bfil() 或.ffil() 方法来填充缺失值。但我对.bfil() 和.ffil() 都不成功。我试过df.groupby('id').apply(lambda x: x.ffill().bfill()).drop_duplicates()，但没有得到想要的结果。此外，我不明白如何执行上述第 3 步。有没有人可以帮助解决这个问题？

Answer 1

设置：

old_df = pd.DataFrame([
  [1, 'aaa', pd.NA, pd.NA],
  [2, pd.NA, 'bbb', 123]],
  columns=['id', 'col1', 'col2', 'col3'])
new_df = pd.DataFrame([
  [1, pd.NA, 'xxx', 999],
  [2, 'xxx', 'kkk', pd.NA]],
  columns=['id', 'col1', 'col2', 'col3'])

使用 combine_first 获取updated_df，设置id为索引

old_df = old_df.set_index('id')
new_df = new_df.set_index('id')
updated_df = old_df.combine_first(new_df)

# updated_df outputs:
# (reset the id if necessary)
   col1 col2 col3
id               
1   aaa  xxx  999
2   xxx  bbb  123

使用布尔逻辑生成masks 的数据帧，检查旧帧和新帧在给定单元格中是否都有值以及值是否不同，并使用掩码从新旧帧中的任何行中选择单元格掩码为真

mask = pd.notnull(new_df) & ~old_df.eq(new_df) & pd.notnull(old_df)
conflicts_df = pd.concat([old_df[mask], new_df[mask]]).dropna(how='all')

# conflicts_df outputs
   col1 col2 col3
id               
2   NaN  bbb  NaN
2   NaN  kkk  NaN