python - 合并两个文件中的行(如果它们具有相同的列值)

Question

目前我正在亚马逊网站上抓取一些数据。我遇到的问题是我无法真正从同一页面获取产品的所有数据。

我最终得到的是 2 个文件，它们具有相同的列标题，但列本身的数据不同。除了一些小事情之外，我以前几乎从未使用过 pandas，所以我在该领域的知识并不是那么丰富。

例如，在一个 .csv 文件中，产品包含“代码”、“名称”、“网址”、“尺寸”等信息，但在另一个 .csv 文件中，产品包含“代码”、“价格”、“图像 1”、“图像 2”等。

如果 file2 中的代码与 file1 中的代码相同，最好的方法是什么，将 file2 中的数据粘贴到 file1 (或者只是创建一个新文件)。我可能会使用数以万计的不同产品代码，因此越有效的方法越好。

我将链接两个文件作为下面的示例

文件 1:https://ufile.io/oojru

文件 2:https://ufile.io/cytmq

我将上面的一些数据写为文本(没有使用所有标题，因为它看起来不太好)

文件1

categoriaProducto codigoEspecifico codigoGenerico nombreProducto precioProducto

-                 B072L7PVNQ       -              -              price1
-                 B01D9FKME6       -              -              price2
-                 B077Z5ST3P       -              -              price3
-                 B00KLMFUKC       -              -              price4

文件2

 categoriaProducto codigoEspecifico codigoGenerico nombreProducto precioProducto

Clothing          B072L7PVNQ       86K5PBAH       name1              -
Clothing          B01D9FKME6       86K5PBAH       name2              -
Clothing          B077Z5ST3P       86K5PBAH       name3              -
Clothing          B00KLMFUKC       86K5PBAH       name4              -

对于上传的文件和文本，代码的顺序相同。值得注意的是，情况可能并非如此。

我还想补充一点，如果产品代码出现在 file1 中，该代码也会出现在 file2 中，但反之则不然。

我尝试从 file1 数据创建一个新列并将该列粘贴到 file2 数据帧中，然后保存文件。但后来我发现代码可能没有顺序，所以这种方法行不通。

编辑:我不太清楚我想要什么，我很抱歉。我想要得到的结果是这样的

 categoriaProducto codigoEspecifico codigoGenerico nombreProducto precioProducto

Clothing          B072L7PVNQ       86K5PBAH       name1          price1
Clothing          B01D9FKME6       86K5PBAH       name2          price2
Clothing          B077Z5ST3P       86K5PBAH       name3          price3
Clothing          B00KLMFUKC       86K5PBAH       name4          price4

Answer 1

我相信你需要dropna仅删除 combine_first 的 NaN 行:

df1= pd.read_csv('example1.csv')
df2= pd.read_csv('example2.csv')

df1 = df1.set_index('codigoEspecificoProducto').dropna(how='all')
df2 = df2.set_index('codigoEspecificoProducto').dropna(how='all')
df = df1.combine_first(df2)