pandas - 将两个 pandas 数据框与列表列组合在一起，但将最近时间戳中的列表组合起来答案

【问题标题】：pandas - combine two pandas dataframes with list columns, but combine the lists from the most recent timestampspandas - 将两个 pandas 数据框与列表列组合在一起，但将最近时间戳中的列表组合起来
【发布时间】：2023-02-23 02:53:48
【问题描述】：

假设我有数据框 A 和 B，索引为time，列表列为food。这两个数据框都类似于历史日志，即我当时拥有的水果和蔬菜：

A：

            food
time
2021-08-20  ["apple","orange"] 
2021-08-28  ["apple","orange","banana"]

乙：

            food
time
2021-08-19  ["squash"] 
2021-08-24  ["squash","carrot"] 
2021-08-29  ["carrot"]

我怎样才能结合这两个数据框，以便它同时跟踪水果和蔬菜？

            food
time
2021-08-19  ["squash"]
2021-08-20  ["apple","orange","squash"] 
2021-08-24  ["apple","orange","squash","carrot"]
2021-08-28  ["apple","orange","banana","squash","carrot"]
2021-08-29  ["apple","orange","banana","carrot"]

本质上，我想合并行，并且对于每一行，合并该时间戳之前两个最新条目的食物。保证 A 和 B 中的食物项不重叠，并且 A 和 B 之间的时间戳不重叠。

我尝试直接使用 pd.concat([A,B]) ，但它不会组合食物。

【问题讨论】：

标签： python pandas concatenation

【解决方案1】：

我相信这就是您要找的：

# Create the first data frame
df_a = pd.DataFrame({
    'date': ['2021-08-20', '2021-08-28'],
    'foods': [['apple', 'orange'], ['apple', 'orange', 'banana']]
})

# Create the second data frame
df_b = pd.DataFrame({
    'date': ['2021-08-19', '2021-08-20', '2021-08-29'],
    'foods': [['squash'], ['squash', 'carrot'], ['carrot']]
})

# Merge the two data frames on the date column
merged = pd.merge(df_a, df_b, on='date', how='outer')

# Concatenate the food item lists
def concat_foods(row):
    foods_x = row['foods_x'] if isinstance(row['foods_x'], list) else []
    foods_y = row['foods_y'] if isinstance(row['foods_y'], list) else []
    return list(set(foods_x + foods_y))

merged['foods'] = merged.apply(concat_foods, axis=1)

# Remove the original food item columns
merged = merged.drop(['foods_x', 'foods_y'], axis=1)

# Sort the data frame by date
merged = merged.sort_values('date')

【讨论】：