第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

為了賬號(hào)安全,請(qǐng)及時(shí)綁定郵箱和手機(jī)立即綁定
已解決430363個(gè)問(wèn)題,去搜搜看,總會(huì)有你想問(wèn)的

用于更新數(shù)據(jù)幀 Python 中現(xiàn)有數(shù)據(jù)的檢查器

用于更新數(shù)據(jù)幀 Python 中現(xiàn)有數(shù)據(jù)的檢查器

泛舟湖上清波郎朗 2021-10-19 16:19:22
我在數(shù)據(jù)框中有一個(gè) Excel 文件old_df,我通過(guò)從另一個(gè) Excel 文件數(shù)據(jù)框中添加新內(nèi)容來(lái)使數(shù)據(jù)保持最新new_df。pd.concat如果新數(shù)據(jù)幀中的日期之一在舊數(shù)據(jù)幀中不存在,我只是將新幀和舊幀放在一起。目前該文件中的一些重要列是:Pub Date      Forecast Time   Forecast Date   State   Temp2018-12-12    23:00:00        2018-12-20      AK      32018-12-12    02:00:00        2018-12-20      AK      3.22018-12-12    05:00:00        2018-12-20      AK      2.9..我想確保我通關(guān)重復(fù)行,當(dāng)我更新此舊的文件與新的數(shù)據(jù)-跳躍的非唯一實(shí)例Pub Date有Forecast Time,F(xiàn)orecast Date和State?,F(xiàn)在我正在使用一個(gè)非常糟糕的方法,通過(guò)獲取Pub Dates新舊列表:dateList_old = date_old.tolist()dateList_new = date_new.tolist()result = any(elm in dateList_new for elm in dateList_old)if result == True:    print('One or more of the dates already exists in the database')    sys.exit()else:    frames = [old_df,new_df]    result = pd.concat(frames)    result.to_excel("file", encoding="utf-8", index=False)但這會(huì)遇到問(wèn)題,因?yàn)槿绻乙砑覲ub Date任何類型的相同內(nèi)容 - 它會(huì)退出整個(gè)寫(xiě)入。我想這樣做,如果Pub Date + Forecast Time + Forecast Date + State在old_df然后跳過(guò)并繼續(xù)寫(xiě)入所有其他不存在的行,并且僅當(dāng)所有這些組合已經(jīng)存在時(shí)才退出。是否有捷徑可尋?
查看完整描述

2 回答

?
皈依舞

TA貢獻(xiàn)1851條經(jīng)驗(yàn) 獲得超3個(gè)贊

您還可以使用:


df.append(df1,ignore_index=True).drop_duplicates(subset=['Pub Date','Forecast Time','Forecast Date','State'])

將兩個(gè)數(shù)據(jù)幀視為:


df :


    Pub Date Forecast Time Forecast Date State  Temp

0 2018-12-12      23:00:00    2018-12-20    AK   3.0

1 2018-12-12      02:00:00    2018-12-20    AK   3.2

2 2018-12-12      05:00:00    2018-12-20    AK   2.9

df1:


    Pub Date Forecast Time Forecast Date State  Temp

0 2018-12-12      23:00:00    2018-12-20    AK   3.0

1 2018-12-13      02:00:00    2018-12-20    AK   3.2

2 2018-12-13      05:00:00    2018-12-20    AK   2.9


df.append(df1,ignore_index=True).drop_duplicates(subset=['Pub Date','Forecast Time','Forecast Date','State'])


    Pub Date Forecast Time Forecast Date State  Temp

0 2018-12-12      23:00:00    2018-12-20    AK   3.0

1 2018-12-12      02:00:00    2018-12-20    AK   3.2

2 2018-12-12      05:00:00    2018-12-20    AK   2.9

4 2018-12-13      02:00:00    2018-12-20    AK   3.2

5 2018-12-13      05:00:00    2018-12-20    AK   2.9

基本上僅基于某些列附加數(shù)據(jù)幀和刪除重復(fù)項(xiàng) ['Pub Date','Forecast Time','Forecast Date','State']


查看完整回答
反對(duì) 回復(fù) 2021-10-19
  • 2 回答
  • 0 關(guān)注
  • 198 瀏覽
慕課專欄
更多

添加回答

舉報(bào)

0/150
提交
取消
微信客服

購(gòu)課補(bǔ)貼
聯(lián)系客服咨詢優(yōu)惠詳情

幫助反饋 APP下載

慕課網(wǎng)APP
您的移動(dòng)學(xué)習(xí)伙伴

公眾號(hào)

掃描二維碼
關(guān)注慕課網(wǎng)微信公眾號(hào)