如何使用 DataFrame 进行对账？答案

【问题标题】：How to perform reconciliation using DataFrame?如何使用 DataFrame 进行对账？
【发布时间】：2018-02-01 10:58:00
【问题描述】：

假设我有一个每周获取的 DataFrame，并且想要更新一个基于每周报告更新的跟踪器，例如：

这是我收到的每周报告：

ID   Cost
X12  500
X54  100
X52  150
X45  200
X32  435

我有一个用于主要指标跟踪器的 DataFrame，需要根据每周报告进行更新：

我想从 DataFrame 1 中取出数字并将它们放入 DataFrame 2，这将导致：

我将如何执行这样的功能，从一个 DataFrame 到另一个 DataFrame。我假设我们使用 for 循环并在遍历第一个 DataFrame 时搜索第二个 DataFrame，但我该如何设置呢？

谢谢！

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

如果顺序不是问题，那么

In [1178]: dfw.set_index('ID').combine_first(dfo.set_index('ID')).reset_index()
Out[1178]:
    ID    Cost
0  X12   500.0
1  X32   435.0
2  X37  4664.0
3  X45   200.0
4  X48   547.0
5  X52   150.0
6  X52   150.0
7  X54   100.0
8  X57   467.0
9  X76    34.0

这也将处理任何新的ID 添加。

【讨论】：

我能做到这一点，同时保持我提供的相同顺序吗？
另外，这会跳过 ID 中的 NaN 值吗？

【解决方案2】：

你可以使用 map 和 combine_first

df2['Cost'] = df2['ID'].map(df1.set_index('ID')['Cost']).combine_first(df2['Cost'])

你得到

    ID  Cost
0   X12 500.0
1   X54 100.0
2   X52 150.0
3   X45 200.0
4   X37 4664.0
5   X76 34.0
6   X57 467.0
7   X52 150.0
8   X48 547.0
9   X32 435.0

【讨论】：

假设我有一个带有 NaN 值的 ID。它会跳过它吗？
在 df1 或 df2 中带有 nan 的 ID？假设我们通过在 df2 中引入 nan 来测试代码，df2.loc[df2.ID == 'X12', 'Cost'] = np.nan。我建议的代码有效。

【解决方案3】：

你可以这样做。

where 
df -> first dataframe
df1 -> second dataframe

代码：

df.loc[df.ID.isin(df1.ID), ['Cost']] = df1[['Cost']]
print df

参考：

Replace column values based on another dataframe

【讨论】：

【解决方案4】：

使用drop_duplicates

rep.append(track).drop_duplicates('ID')

    ID  Cost
0  X12   500
1  X54   100
2  X52   150
3  X45   200
4  X32   435
4  X37  4664
5  X76    34
6  X57   467
8  X48   547

如果你想重置你的索引

rep.append(track).drop_duplicates('ID').reset_index(drop=True)

    ID  Cost
0  X12   500
1  X54   100
2  X52   150
3  X45   200
4  X32   435
5  X37  4664
6  X76    34
7  X57   467
8  X48   547

【讨论】：