合并两个数据框并保留公共值，同时保留基于另一列的值

Question

当我合并两个数据框时，它会保留左侧和右侧数据框的列 附加了 _x 和 _y 。 但我希望它成为一列并“合并”两列的值，以便：

1. 当值相同时，它只放置一个值
2. 当值不同时，它会根据名为“日期”的另一列保留该值 并根据日期取“最新”的值。

我也尝试过使用连接，在这种情况下它确实“合并”了两列，但它似乎只是“附加”了两行。

例如，在下面的代码中，我想将数据帧 df_desired 作为输出。我怎样才能得到它？

import pandas as pd
import numpy as np

np.random.seed(30)

company1 = ('comA','comB','comC','comD')
df1 = pd.DataFrame(columns=None)
df1['company'] = company1
df1['clv']=[100,200,300,400]
df1['date'] = [20191231,20191231,20191001,20190931]
print("\ndf1:")
print(df1)

company2 = ('comC','comD','comE','comF')
df2 = pd.DataFrame(columns=None)
df2['company'] = company2
df2['clv']=[300,450,500,600]
df2['date'] = [20191231,20191231,20191231,20191231]

print("\ndf2:")
print(df2)

df_desired = pd.DataFrame(columns=None)
df_desired['company'] = ('comA','comB','comC','comD','comE','comF')
df_desired['clv']=[100,200,300,450,500,600]
df_desired['date'] = [20191231,20191231,20191231,20191231,20191231,20191231]
print("\ndf_desired:")
print(df_desired)

df_merge = pd.merge(df1,df2,left_on = 'company',
        right_on = 'company',how='outer')
print("\ndf_merge:")
print(df_merge)
# alternately
df_concat = pd.concat([df1, df2], ignore_index=True, sort=False)
print("\ndf_concat:")
print(df_concat)

Answer 1

一种方法是concat 两个数据框，然后将date 上的连接数据框按升序排序，并根据公司删除重复条目（同时保留最新条目）： p>

df = pd.concat([df1, df2])
df['date'] = pd.to_datetime(df['date'], format='%Y%m%d', errors='coerce')
df = df.sort_values('date', na_position='first').drop_duplicates('company', keep='last', ignore_index=True)

结果：

  company  clv       date
0    comA  100 2019-12-31
1    comB  200 2019-12-31
2    comC  300 2019-12-31
3    comD  450 2019-12-31
4    comE  500 2019-12-31
5    comF  600 2019-12-31