如何使用 Pandas 在某些行中加入两个更新数据框？

Question

我是 pandas 的新手，我想知道如何加入两个文件并更新现有行，同时考虑到一个特定的列。这些文件有数千行。例如：

• Df_1：

  A  B  C  D 
  1  2  5  4 
  2  2  6  8  
  9  2  2  1  
  

现在，我的表 2 具有完全相同的列，我想加入这两个表以替换可能在该表和表 1 中但在 C 列中发生更改/更新的一些行，并添加第二个表 (df_2) 中存在的新行，例如：

• Df_2：

  A  B  C  D 
  2  2  7  8  
  9  2  3  1
  3  4  6  7
  1  2  3  4  
  

所以，我想要的结果是两个表的并集以及它们在几行中的更新，在特定的列中，如下所示：

• Df_result：

  A  B  C  D 
  1  2  5  4 
  2  2  7  8  
  9  2  3  1  
  3  4  6  7
  1  2  3  4
  

如何使用合并或连接功能做到这一点？还是有其他方法可以得到我想要的结果？

谢谢！

Answer 1

您需要至少有一列作为参考，我的意思是，要知道需要更改哪些内容才能进行更新。

假设在您的情况下它是“A”和“B”。

import pandas as pd
ref = ['A','B']
df_result = pd.concat([df_1, df_2], ignore_index = True)
df_result = df_result.drop_duplicates(subset=ref, keep='last')

这是一个真实的例子。

d = {'col1': [1, 2, 3], 'col2': ["a", "b", "c"], 'col3': ["aa", "bb", "cc"]}
df1 = pd.DataFrame(data=d)
d = {'col1': [1, 4, 5], 'col2': ["a", "d", "f"], 'col3': ["dd","ee", "ff"]}
df2 = pd.DataFrame(data=d)

df_result = pd.concat([df1, df2], ignore_index=True)

df_result = df_result.drop_duplicates(subset=['col1','col2'], keep='last')
df_result