当包含 NaN 时，使用“新信息”更新 Pandas 数据框

Question

使用“新信息”更新 Pandas 数据框

我想做的是构建一个执行以下操作的函数（伪代码）：

def update(original_information, new_information):
    ... stuff ...
    return updated_information

上面的输入和输出都是 Pandas 数据帧，它们都可以包含许多 NaN。

original_information的示例：

import pandas as pd
columns = ['edgar', 'morningstar', 'yahoo']
companies = [{'edgar': '0000320193', 'yahoo': 'AAPL'}, {'morningstar': 'XYZ', 'yahoo': 'SGO.PA'}]
original_information = pd.DataFrame(companies, columns=columns).sort_values('yahoo').reset_index(drop=True)

   edgar        morningstar  yahoo
0  00000320193  NaN          AAPL
1  NaN          XYZ          SGO.PA

新信息示例：

import pandas as pd
columns = ['edgar', 'morningstar', 'yahoo']
companies = [{'morningstar': 'AAPL', 'yahoo': 'AAPL'}, {'morningstar': 'XPAR:SGO', 'yahoo': 'SGO.PA'}]
new_information = pd.DataFrame(companies, columns=columns).sort_values('yahoo').reset_index(drop=True)

   edgar  morningstar  yahoo
0  NaN    AAPL         AAPL
1  NaN    XPAR:SGO     SGO.PA

理想情况下，我的 update 函数会完成三件事：

1. 在单元格 (1, Morningstar) 中，将“XYZ”更新为“XPAR:SGO”，因为“XPAR:SGO”是较新的信息
2. 在单元格 (0, Morningstar) 中，显示“AAPL”，因为原始信息是“NaN”
3. 在单元格 (0, edgar) 中，保留“000320192”，因为该单元格没有新信息

换句话说，我希望 updated_information 如下所示：

   edgar        morningstar  yahoo
0  00000320193  AAPL         AAPL
1  NaN          XPAR:SGO     SGO.PA

但是，我还没有弄清楚如何做到这一点

我有以下内容：

def update(original_information, new_information):
    result = pd.concat([original_information, new_information], ignore_index=True)
    result = result.drop_duplicates(subset='yahoo', keep='last').sort_values('yahoo').reset_index(drop=True)
    return result

返回：

   edgar  morningstar  yahoo
0  NaN    AAPL         AAPL
1  NaN    XPAR:SGO     SGO.PA

哪个...

1. 成功地将单元格（1，晨星）中的“XYZ”替换为“XPAR:SGO”

2. 使用“AAPL”成功更新单元格（0，晨星）

3. 但不幸的是删除单元格 (0, edgar) 中的 '000320192' 而不是保留它

有什么建议吗？

Answer 1

我认为您可以只使用.update，因为它在进行更新时只使用来自新数据的非 NA 值。

original_information.update(new_information)