Python合并两个具有不同日期时间的数据框[重复]

Posted 2023-02-23

【中文标题】Python合并两个具有不同日期时间的数据框[重复]

【英文标题】：Python merge two dataframes with distinct datetime [duplicate]

【发布时间】：2018-09-10 16:40:43

【问题描述】：

我有两个 csv 文件，我想用 pandas 将它们作为数据帧读入。我想合并它们，但显示时间不能重复。

如果 ShowingDateTime 是重复的，我想从第一个数据帧而不是第二个数据帧中选择行。我不确定用熊猫做到这一点的最佳方法。我想根据 ShowingDateTime 之后的升序排序。

CSV1：

Address,City,State,ShowingDateTime
1234 Hodge Street,Brown,CA,1/4/17 12:00
9613 Llama Street,Downtown,CA,1/5/17 12:15
7836 Bob Street,Swamp,CA,1/5/17 12:30
2134 Cardinal Street,Ruler,CA,1/6/17 11:30

CSV2：

Address,City,State,ShowingDateTime
10234 Peek Street,Brown,CA,1/4/17 12:00
1122 Kara Street,Downtown,CA,1/5/17 12:30
1023 Solr Street,Swamp,CA,1/6/17 11:30
2234 Tempura Street,Ruler,CA,1/6/17 12:00

预期的合并结果（df 合并后写入 csv）：

1234 Hodge Street,Brown,CA,1/4/17 12:00
9613 Llama Street,Downtown,CA,1/5/17 12:15
7836 Bob Street,Swamp,CA,1/5/17 12:30
2134 Cardinal Street,Ruler,CA,1/6/17 11:30
2234 Tempura Street,Ruler,CA,1/6/17 12:00

【参考方案1】：

  import pandas as pd
  df1 = pd.read_csv('path_of_first_csv_file')
  df2 = pd.read_csv('path_of_second_csv_file')
  df3 = pd.concat([df1, df2], ignore_index=True)
  df3 = df3.drop_duplicates(subset='ShowingDateTime', keep="first")
  print(df3)
  df3.to_csv('output.csv')

【参考方案2】：

你想要concat() 而不是合并。

首先要加载每个 csv。

df1 = pd.read_csv('csv1.csv')
df2 = pd.read_csv('csv2.csv')

然后连接两个dfs。

final_df = pd.concat([df1,df2],how='outer', ignore_index=True)

然后删除重复的ShowingDateTime 在这些情况下保留 df1 行

final_df.drop_duplicates(subset=['ShowingDateTime'], keep='first')

然后保存为csv

final_df.to_csv('final.csv')

【参考方案3】：

我建议您搜索一下其他问题，您会找到更有效的方法，例如here。它概述了使用df.index.duplicated(keep='first') 在处理大型数据集时如何提高性能效率，在您的情况下，可以按如下方式完成：

directory = './records/'
all_files = [f for f in os.listdir(directory)]
df = pd.concat((pd.read_csv(directory+f, index_col=3) for f in all_files)) #specify ShowingDateTime as index column
df = df[~df.index.duplicated(keep='first')] #keep only the first index