我需要：
- 連接表 1 和表 2
- 消除重復
- 保留表 1 中的原件
- 一個字典，說明哪個是舊表中的 id，哪個是新 id
示例：輸出將是這樣的
PS：事情是，table1 來自一個已經在生產資料庫中，而我在這里擁有的 id 用于許多其他表，所以我不能更改已經存在的內容，只能添加尚未存在的新資料。但我還需要說明資料的新 id 是什么。
表格1
id name birthdate
1 Goku 1997-12-15
2 Freeza 2000-10-03
3 Vegeta 2003-08-19
表2
id name birthdate
1 Krillin 1983-02-28
2 Roshi 1960-06-07
3 Goku 1997-12-15
4 Freeza 1998-10-10
所以我需要從中生成以下內容
結果表1
id name birthdate
1 Goku 1997-12-15
2 Freeza 2000-10-03
3 Vegeta 2003-08-19
4 Krillin 1983-02-28
5 Roshi 1960-06-07
6 Freeza 1998-10-10
但我還需要一張表，說明一個人在舊表上的代碼，哪些是新代碼，這也將是這樣的：
from_to_table
id origin new_id
1 table_1 1
2 table_1 2
3 table_1 3
1 table_2 4
2 table_2 5
3 table_2 1
4 table_2 6
我已經嘗試了很多方法，我現在唯一要作業的方法是逐行插入并每次檢查兩個欄位，但這需要太多時間，使其不可行。
到目前為止，我發現的最佳方法基本上包括：連接兩個表 -> 對資料進行分組并生成新的 id 列 -> 將分組表與連接的兩個表連接起來以創建 from_to_table 問題是，這種方法會改變我的 id一定不能改變，我不知道如何保持這些。
uj5u.com熱心網友回復：
對于resulting_table1，我建議對列和使用merge外連接，然后重新創建列：namebirthdateid
resulting_table1 = pd.merge(table1, table2, on=['name','birthdate'], how='outer')[['name','birthdate']]
resulting_table1['id'] = range(1, len(resulting_table1) 1)
對于from_to_table，您可以使用另一個外連接（這次是在所有列上）并使用indicator標志來保留有關源表的資訊：
from_to_table = pd.merge(table1, table2, how='outer', indicator='origin').replace({'origin':{'left_only':'table_1', 'right_only':'table_2'}})
resulting_table1最后為新的 id做一個左連接：
from_to_table = from_to_table.merge(resulting_table1, on=['name','birthdate'], how="left")
uj5u.com熱心網友回復：
我假設這id是一列，而不是索引：
table1 =
id name birthdate
0 1 Goku 1997-12-15
1 2 Freeza 2000-10-03
2 3 Vegeta 2003-08-19
然后你可以嘗試以下方法：
（1）創建一個加入table_tmp了一些附加內容：
table_tmp = pd.concat([table1.assign(table=1), table2.assign(table=2)])
id name birthdate table
0 1 Goku 1997-12-15 1
1 2 Freeza 2000-10-03 1
2 3 Vegeta 2003-08-19 1
0 1 Krillin 1983-02-28 2
1 2 Roshi 1960-06-07 2
2 3 Goku 1997-12-15 2
3 4 Freeza 1998-10-10 2
(2) 基于該創建resulting_table1：
resulting_table1 = (
table_tmp
.drop_duplicates(["name", "birthdate"])
.reset_index(drop=True)
.assign(id=lambda df: df.index 1)
.drop(columns="table")
)
id name birthdate
0 1 Goku 1997-12-15
1 2 Freeza 2000-10-03
2 3 Vegeta 2003-08-19
3 4 Krillin 1983-02-28
4 5 Roshi 1960-06-07
5 6 Freeza 1998-10-10
(3) 然后使用兩者來創建from_to_table：
from_to_table = (
table_tmp
.merge(resulting_table1, on=["name", "birthdate"], how="left")
.drop(columns=["name", "birthdate"])
.rename(columns={"id_x": "id", "id_y": "id_new"})
)
id table id_new
0 1 1 1
1 2 1 2
2 3 1 3
3 1 2 4
4 2 2 5
5 3 2 1
6 4 2 6
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/452527.html