我有一个数据框和同一数据框的更新版本,其中第 1 行的颜色已更改,第 2 行已删除,并附加了一行。
我想将具有新 ID 的行附加到旧数据框,然后比较两个数据框并写入比较结果(例如“新条目”、“更新颜色”、“条目已删除”或“无更改” ) 进入“比较”列。
Name Colour ID Compare
0 Lisa Red Apple
1 Anna Blue Banana
2 Anna Yellow Orange
3 Max Green Pear
Name Colour ID
0 Lisa Purple Apple
1 Anna Yellow Orange
2 Peter Pink Grape
我已经用 .iloc 和 .where 尝试了几种方法,但是我对选择/操作太缺乏经验,所以没有成功。这是我想要实现的目标:
Name Colour ID Compare
0 Lisa Red Apple Colour changed
1 Anna Blue Banana Entry deleted
2 Anna Yellow Orange No changes
3 Max Green Pear New entry
感谢您的帮助。
这是创建数据框:
import pandas as pd
data = {'Name': ['Lisa', 'Anna', 'Anna', 'Max'],
'Colour': ['Red', 'Blue', 'Yellow', 'Green'],
'ID': ['Apple', 'Banana', 'Orange', 'Pear'],
'Compare': ['','','','']}
df = pd.DataFrame(data, columns = ['Name', 'Colour', 'ID', 'Compare'])
updatedDf = df.copy()
updatedDf = updatedDf.iloc[:, :-1]
updatedDf.set_value(0, 'Colour', 'Purple')
updatedDf = updatedDf.drop(1)
newrow = ['Peter', 'Pink', 'Grape']
updatedDf.loc[len(updatedDf)] = newrow
updatedDf = updatedDf.reset_index(drop=True)
请您参考如下方法:
你可以创建一个新旧版本的 DataFrame 并排连接
>> df2 = pd.merge(df, updatedDf, on ='ID', how='outer', suffixes=['', '_update'])
Name Colour ID Compare Name_update Colour_update
0 Lisa Red Apple Lisa Purple
1 Anna Blue Banana NaN NaN
2 Anna Yellow Orange Anna Yellow
3 Max Green Pear NaN NaN
4 NaN NaN Grape NaN Peter Pink
现在您需要定义如何识别每个案例:
- 如果
Name和Colour是NaN,则条目是新的 - 如果
Name_updated和Colour_updated为 NaN,则条目已删除 - 如果
Name和Colour都等于Name_updated和Colour_updated,则条目未更改 - 如果
Name和Name_updated相等但Color和Colour_updated不相等,则颜色已更改< - 如果名字改变了,反之亦然
- 如果
Name和Colour都不等于Name_updated和Colour_updated,则您没有定义预期的行为还
请注意,这不会处理边缘情况,例如当只有一个字段被删除或 ID 不唯一时
您可以将所有条件封装到一个函数中并使用 apply 或像这样通过复制粘贴来完成
df2.loc[df2[['Name', 'Colour']].isnull().any(axis=1), 'Compare'] = 'New entry'
df2.loc[df2[['Name_updated', 'Colour_updated']].isnull().any(axis=1), 'Compare'] = 'Entry deleted'
df2.loc[(~df2[['Name', 'Colour', 'Name_updated', 'Colour_updated']].isnull().any(axis=1)) & (df2['Name'] == df2['Name_updated']) & (df2['Colour'] == df2['Colour_updated']), 'Compare'] = 'No changes'
df2.loc[(~df2[['Name', 'Colour', 'Name_updated', 'Colour_updated']].isnull().any(axis=1)) & (df2['Name'] == df2['Name_updated']) & (df2['Colour'] != df2['Colour_updated']), 'Compare'] = 'Colour changed'
df2.loc[(~df2[['Name', 'Colour', 'Name_updated', 'Colour_updated']].isnull().any(axis=1)) & (df2['Name'] != df2['Name_updated']) & (df2['Colour'] == df2['Colour_updated']), 'Compare'] = 'Name changed'
df2.loc[(~df2[['Name', 'Colour', 'Name_updated', 'Colour_updated']].isnull().any(axis=1)) & (df2['Name'] != df2['Name_updated']) & (df2['Colour'] != df2['Colour_updated']), 'Compare'] = 'Name and colour changed'
虽然有点复杂,但在最后 4 条语句中需要检查所有条目是否为 NaN。与 NaN 的比较始终为真,因此这种方式更安全一些。
尽可能采用新值
df2['Name'].update(df2['Name_updated'])
df2['Colour'].update(df2['Colour_updated'])
此处使用的 Series.update 方法会跳过自动删除值的行。
最后你可能会扔掉临时列。
df2.drop(['Name_updated', 'Colour_updated'], axis=1, inplace=True)
Name Colour ID Compare
0 Lisa Purple Apple Colour changed
1 Anna Blue Banana Entry deleted
2 Anna Yellow Orange No changes
3 Max Green Pear Entry deleted
4 Peter Pink Grape New entry
