Dataframes vergleichen

[Pokerbrille]

Hi zusammen,

ich habe 2 dataframes mit je 2 Spalten: 'Name' und 'Dosis_monatx'.
Ich würde gerne ein neues df_gesamt erzeugen, welches mir alle Namen auflistet (nicht doppelt) und um die Spalten der Monate ergänzt.
Da die Werte aus 2 verschiedenen Monaten stammen, sind in dem einen df nicht zwingend die gleichen Personen gelistet wie in dem anderen.

Ich hab die Daten aus Exceltabellen eingelesen, aber hier mal exemplarisch was gemeint ist:
dosimetrie1 = {'Name': ['Aaron', 'Barbara', 'Davis', 'Konrad'],
'Dosis_monat1': [1, 0, 1.2, 0]}
df_monat1 = pd.DataFrame(dosimetrie1)
dosimetrie2 = {'Name': [ 'Barbara', 'Carolin', 'Davis' ],
'Dosis_monat2': [1, 0, 1]}
df_monat2 = pd.DataFrame(dosimetrie2)

############################################
df_monat1:
Name Dosis_monat1
Aaron 1
Barbara 0
Davis 1.2
Konrad 0

df_monat2:
Name Dosis_monat2
Barbara 1
Carolin 0
Davis 1

rauskommen soll dann sowas: (Alphabetisch geordnet wäre natürlich hübsch, aber kriege ich dann schon selbst hin)
df_gesamt:
Name Dosis_monat1 Dosis_monat_2
Aaron 1 nan
Barbara 0 1
Carolin nan 0
Davis 1.2 1
Konrad 0 nan

Also falls mir da einer von euch helfen könnte, wäre ich euch sehr dankbar



LG Pokerbrille

[Sirius3]

Du suchst df.join oder df.groupby

[ThomasL]

Schon mal irgendwann in die Pandas Doku geschaut?

https://pandas.pydata.org/pandas-docs/s ... Frame.html

Da steht jede Methode anwendbar auf Dataframes detailliert erklärt mit Beispielen.

[Pokerbrille]

mit df.join hat es eben nicht funktioniert. Allerdings habe ich das Problemchen soweit anders gelöst.

Ich habe beiden eine 3. Spalte gegeben, um nachher identifizieren zu können, aus welcher Datei welche Zeile kam, dann zusammengefügt (pd.merge) und anschließend die doppelten rausgelöscht (geht bestimmt eleganter, aber es funktioniert ):

def check_duplicates (index, df):
oberes = df.at[index, 'Name']
unteres = df.at[index+1, 'Name']
return oberes == unteres

def fusion_month(df1, df2):
l_1 = len(df1['Name'])
l_2 = len(df2['Name'])

for index1 in range(l_1):
df1.at[index1, 'Monat'] = 1
for index2 in range(l_2):
df2.at[index2, 'Monat'] = 2

df_new = pd.merge(df1,df2, how="outer", sort=['Name'])
l_new = len(df_new['Name'])

for i in range(l_new): # schleife prüft wo doppelte Namen auftauchen und entfernt diese
if i == l_new-1:
break
else:
if check_duplicates(i,df_new):
if df_new.at[i, 'Monat'] == 1:
df_new.at[i, 'Dosis_monat2'] = df_new.at[i+1,'Dosis_monat2']
df_new.at[i+1, 'Dosis_monat1'] = df_new.at[i,'Dosis_monat1']
else:
df_new.at[i+1, 'Dosis_monat2'] = df_new.at[i,'Dosis_monat2']
df_new.at[i, 'Dosis_monat1'] = df_new.at[i+1,'Dosis_monat1']

df_new = df_new.drop_duplicates(subset=['Name']) # löscht die doppelten Namen raus
del df_new['Monat'] # löscht Spalte 'Monat'
return df_new

[ThomasL]

Also bei mir klappt das mit .join() und sortiert ist es auch.

Code: Alles auswählen

import numpy as np
import pandas as pd

dosimetrie1 = {'Name': ['Konrad', 'Aaron', 'Barbara', 'Davis'], 'Dosis_monat1': [0, 1, 0, 1.2]}
monat1 = pd.DataFrame(dosimetrie1)
dosimetrie2 = {'Name': ['Davis', 'Barbara', 'Carolin'], 'Dosis_monat2': [1, 1, 0]}
monat2 = pd.DataFrame(dosimetrie2)

monat = monat1.set_index('Name').join(monat2.set_index('Name'), how='outer')
monat

Code: Alles auswählen

Dosis_monat1	Dosis_monat2
Name		
Aaron	1.0	NaN
Barbara	0.0	1.0
Carolin	NaN	0.0
Davis	1.2	1.0
Konrad	0.0	NaN