我正在嘗試將某些資料幀合并到一個資料幀中，并使用 Pandas 填充缺失值。一個例子如下：
import pandas as pd
data1 = {'SKU' : ['C1', 'D1'],
'Description' : ['c2', 'd'],
'Unit Cost' : [0.2, 1.5],
'Qty1' : [18, 10]}
idx1 = ['RM0001', 'RM0004']
data2 = {'SKU' : ['C1', np.nan],
'Description' : ['c', 'e'],
'Qty2' : [15, 8]}
idx2 = ['RM0001', 'RM0010']
data3 = {'SKU' : ['D1', 'E1'],
'Description' : ['d', 'e'],
'Qty3' : [7, 9]}
idx3 = ['RM0004', 'RM0010']
df1 = pd.DataFrame(data1, index=idx1)
df2 = pd.DataFrame(data2, index=idx2)
df3 = pd.DataFrame(data3, index=idx3)
所需的輸出將采用以下形式：
SKU Description Unit Cost Qty1 Qty2 Qty3
RM0001 C1 c 0.2 18.0 15.0 NaN
RM0004 D1 d 1.5 10.0 NaN 7.0
RM0010 E1 e NaN NaN 8.0 9.0
我嘗試了各種 pd.merge 和 functools.reduce 應用程式，但都沒有給我想要的輸出。我還在學習熊貓，所以我想我錯過了一些東西，因為這不應該太復雜。對這些步驟的一個小解釋（或一個優秀來源的鏈接）將不勝感激。
uj5u.com熱心網友回復：
Try combine_first，您可以將它們鏈接起來：
df1.combine_first(df2).combine_first(df3)
輸出：
Description Qty1 Qty2 Qty3 SKU Unit Cost
RM0001 c2 18.0 15.0 NaN C1 0.2
RM0004 d 10.0 NaN 7.0 D1 1.5
RM0010 e NaN 8.0 9.0 E1 NaN
或者你可以使用concat同groupby：
pd.concat([df1,df2,df3]).groupby(level=0).first()
輸出：
SKU Description Unit Cost Qty1 Qty2 Qty3
RM0001 C1 c2 0.2 18.0 15.0 NaN
RM0004 D1 d 1.5 10.0 NaN 7.0
RM0010 E1 e NaN NaN 8.0 9.0
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/343420.html