如何在Python中增量更新DF

发布于05月07日

Description

我有一个文件，其中包括原始数据和更新的报表.
original_id行就像一个公钥.
change_repair_id中没有值的条目是初始数据条目.
具有change_请求_id值的收件箱是对初始数据项的更新.
行change_请求_id引用行original_id并表示数据更改(更新).只有需要更改的值才表示为值，如果字段为空，则意味着值不会更改.

Original File

change_request_id	original_id	a	b	c	d
	1	10	20	30	40
	2	2500	600	700	800
1	3	12
2	4		700	800
1	5		30
	6	16	17	19	20

Desired Output:

original_id	a	b	c	d
1	12	30	30	40
2	500	700	800	800
6	16	17	19	20

推荐答案

当original_id不为空(用fillna)时，您可以用change_request_id替换original_id，然后用groupby.last获取每个组的最新值:

out = (df.assign(original_id=df['change_request_id'].fillna(df['original_id']))
         .groupby('original_id', as_index=False).last()
         .drop(columns='change_request_id')
      )

输出:

   original_id      a      b      c       d
0          1.0    12.0   30.0   30.0   40.0
1          2.0  2500.0  700.0  800.0  800.0
2          6.0    16.0   17.0   19.0   20.0