Pandas 合并2个具有优先级的数据帧（如果特定列匹配，则A优先于B）

我有一个数据帧a：

orderid | productnumber | productcount | productname    | productsize | deliverydate | source 
1       | 111           | 11           | "big fridge"   | 100x200x300 | 2020-11-01   | "A"
1       | 222           | 22           | "big fridge"   | 100x200x300 | 2020-11-11   | "A"
1       | 333           | 33           | "small fridge" | 100x200x300 | 2020-11-12   | "A" 

和数据帧B：

orderid | productnumber | productcount | productname    | productsize | deliverydate | transport | source 
1       | 111           | 13           | "big fridge"   | 100x200x300 | 2020-11-03   | "ship"    | "B"
1       | 222           | 22           | "big fridge"   | 100x200x300 | 2020-11-11   | "ship"    | "B"

A较旧，B较适合特定列，包含更多信息/列，但可能不包含最新内容/行

因此，如果“orderid”+“productnumber”匹配，则B的优先级高于A，因此在合并两者时应替换A中的行

最终结果应该是：

orderid | productnumber | productcount | productname    | productsize | deliverydate | transport | source 
1       | 111           | 13           | "big fridge"   | 100x200x300 | 2020-11-03   | "ship"    | "B"
1       | 222           | 22           | "big fridge"   | 100x200x300 | 2020-11-11   | "ship"    | "B"
1       | 333           | 33           | "small fridge" | 100x200x300 | 2020-11-12   |           | "A" 

如何使用pandas轻松完成此操作？

数据帧，然后执行。根据A和B的优先级，将

keep

值更改为“last”和“first”。根据您的pandas版本，您可能需要使用而不是使用

ignore_index

param

merged_df = pd.concat([dfA, dfB], ignore_index=True, sort=False)
# merged_df.sort_values(["source"], inplace=True)
merged_df.drop_duplicates(["orderid", "productnumber"], keep="last", inplace=True, ignore_index=True)