根据 Date 列将 df1 中的列添加到 df2 中，如果缺少 df1 [Date] 条目，则填写 na
Add column from df1 into df2 based on the Date column and fill na if df1 [Date] entries are missing
我的数据框 df1 有 850 行和列名 ['Date', 'A']。
我还有 df2 900 行和列名 ['Date', 'B', 'C', 'D'].
它们的行数不同是因为 df1 缺少一些 'Date' 条目。但是，df1['Date'] 中的所有条目都在 df2['Date'].
中
问题：
我想在相同的 ['Date'] 行的基础上将 df1['A'] 合并到 df2。合并后，我希望结果 df2['A'] 为 df1.
中缺少 ['Dates'] 的所有行反映 'na'
我试过 df2=pd.merge(df2, df1, on="Date") 但结果 df2 有 850 行，这似乎是 df1 和 df2 之间不匹配的日期被删除了。相反，我希望 post-合并结果 df2 为 900 行，并且不匹配的日期行应在 df2['A']`.[=24= 中显示 'na' ]
如何实现？
使用 left 加入而不是 inner 加入（默认行为）
即
new_df = pd.merge(df2, df1, on="Date", how='left')
用零填充NA（正如OP在评论中所要求的），
new_df.fillna(0, inplace=True)
# new_df['column'] = new_df['column'].astype(np.float64) # to convert column to float
我的数据框 df1 有 850 行和列名 ['Date', 'A']。
我还有 df2 900 行和列名 ['Date', 'B', 'C', 'D'].
它们的行数不同是因为 df1 缺少一些 'Date' 条目。但是，df1['Date'] 中的所有条目都在 df2['Date'].
问题：
我想在相同的 ['Date'] 行的基础上将 df1['A'] 合并到 df2。合并后，我希望结果 df2['A'] 为 df1.
['Dates'] 的所有行反映 'na'
我试过 df2=pd.merge(df2, df1, on="Date") 但结果 df2 有 850 行，这似乎是 df1 和 df2 之间不匹配的日期被删除了。相反，我希望 post-合并结果 df2 为 900 行，并且不匹配的日期行应在 df2['A']`.[=24= 中显示 'na' ]
如何实现？
使用 left 加入而不是 inner 加入（默认行为）
即
new_df = pd.merge(df2, df1, on="Date", how='left')
用零填充NA（正如OP在评论中所要求的），
new_df.fillna(0, inplace=True)
# new_df['column'] = new_df['column'].astype(np.float64) # to convert column to float