我一直在为看起来简单的行间合并而苦苦挣扎。我有两个具有以下列值的 pandas DataFrame

df_a.columns.to_list()
['id','food','color','type','shape']

df_b.columns.to_list()
['id','food','smell','date']

我想看看两个 DataFrame 中是否有重复的食物，以便将它们合并成一个

df_total = pd.concat([df_a, df_b], keys=['A', 'B'], ignore_index=False)
df_total = df_total.sort_values(by=['food'],ascending=True);
df_total['food'].value_counts().loc[lambda x : x>=2]

Out[1]
apple       2
cheese      2

据此，“APPLE”和“CHEESE”是重复的。打印连接表时，我们得到

id     food     color     type     shape     smell       date
-----------------------------------------------------------------
 1     apple     red      fruit    round      NaN         NaT
 1     apple     NaN       NaN      NaN      soft     2020-06-05
 2     cheese  yellow     dairy   squared     NaN         NaT
 2     cheese    NaN       NaN      NaN      soft     2020-06-07
 3     lemon    green     fruit    round      NaN         NaT

期望的输出:

id     food     color     type     shape     smell       date
-----------------------------------------------------------------
 1     apple     red      fruit    round     soft     2020-06-05
 2     cheese  yellow     dairy   squared    soft     2020-06-07
 3     lemon    green     fruit    round      NaN         NaT

我的尝试:

这次使用 pd.merge 在两个 DataFrame 中使用 .reset_index 重新定义 df_total。

df_total = pd.merge(df_a.reset_index(),df_b.reset_index(), how = 'right/left/outer/inner')

对于如何，我使用了“right”、“left”、“outer”、“inner”的值，但它合并它们的方式就好像我刚刚删除了其中一行或者根本没有值(value)。如何获得所需的输出？

最佳答案

您可以利用 groupby 的 first/last 功能。

在这种情况下:

df.groupby(['food']).last().reset_index()

输出

        1  0       2      3        4     5           6
0   apple  1     red  fruit    round  soft  2020-06-05
1  cheese  2  yellow  dairy  squared  soft  2020-06-07
2   lemon  3   green  fruit    round   NaN         NaT

https://stackoverflow.com/questions/62765465/