python - 查找 Pandas 数据帧之间的不同行，同时保留一个 df 中的所有原始数据

Question

我有以下实际数据:

actual.code actual.distance
a             1
c             6
e             10

还有以下所有观测值的插值数据:

interpolated.code   interpolated.distance
   a                     2
   b                     4
   c                     7
   d                     4
   e                     9
   f                     1

我想要以下输出:

 output.code    output.distance
     a                 1
     b                 4
     c                 6
     d                 4
     e                 10
     f                 1

因此，对于没有实际数据的任何行，我想使用插值数据。我尝试了内部联接，但这似乎不起作用，因为我想保留第一个数据帧中的所有观察结果，并且仅在必要时使用第二个数据帧中的数据。

Answer 1

长版本是使用merge，同时将指标保留在结果中，然后将interpolated.distance替换为actual.distance > 基于指标:

df_merge = df1.merge(df2, left_on="actual.code", right_on="interpolated.code", how="right", indicator=True)
df_merge["interpolated.distance"] = df_merge["interpolated.distance"].where(df_merge["_merge"] != "both", df_merge["actual.distance"]) 
df_merge.drop(["actual.code", "actual.distance", "_merge"], axis=1).sort_values("interpolated.code")

# interpolated.code interpolated.distance
#0          a                  1.0
#3          b                  4.0
#1          c                  6.0
#4          d                  4.0
#2          e                 10.0
#5          f                  1.0

<小时/>

或者另一种选择，您可以使用 combine_first() 和 df1 作为调用对象，在获取值时将优先考虑该对象，基本上设置两者的代码数据帧作为索引，并将距离与actual.distance结合作为调用对象，如果代码匹配，这将优先考虑actual.distance中的值:

(df1.set_index("actual.code")["actual.distance"]
 .combine_first(df2.set_index("interpolated.code")["interpolated.distance"])
 .rename_axis("output.code").rename("output.distance").reset_index())

#output.code    output.distance
#0     a              1.0
#1     b              4.0
#2     c              6.0
#3     d              4.0
#4     e             10.0
#5     f              1.0