python - 合并和填充 Pandas DataFrames

Question

我在 Pandas 中有两个数据框。这些列的名称相同并且具有相同的维度，但它们具有不同(和缺失)的值。

我想基于一个关键列进行合并，并为每个等效行获取最大或非缺失数据。

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'key':[1,3,5,7], 'a':[np.NaN, 0, 5, 1], 'b':[datetime.datetime.today() - datetime.timedelta(days=x) for x in range(0,4)]})
df1
    a                          b  key
0 NaN 2014-08-01 10:37:23.828683    1
1   0 2014-07-31 10:37:23.828726    3
2   5 2014-07-30 10:37:23.828736    5
3   1 2014-07-29 10:37:23.828744    7

df2 = pd.DataFrame({'key':[1,3,5,7], 'a':[2, 0, np.NaN, 3], 'b':[datetime.datetime.today() - datetime.timedelta(days=x) for x in range(2,6)]})
df2.ix[2,'b']=np.NaN
df2
    a                          b  key
0   2 2014-07-30 10:38:13.857203    1
1   0 2014-07-29 10:38:13.857253    3
2 NaN                        NaT    5
3   3 2014-07-27 10:38:13.857272    7

最终结果如下:

df_together
    a                          b  key
0   2 2014-07-30 10:38:13.857203    1
1   0 2014-07-29 10:38:13.857253    3
2   5 2014-07-30 10:37:23.828736    5
3   3 2014-07-27 10:38:13.857272    7

我希望我的例子能够涵盖所有情况。如果两个数据帧都有 NaN(或 NaT)值，则结果也应该有 NaN(或 NaT)值。尽我所能，我无法让 pd.merge 函数提供我想要的东西。

Answer 1

通常在这些情况下最容易做到:

df_together = pd.concat([df1, df2]).groupby('key').max()