使用Python将两个CSV文件与案例合并

在此过程中，我需要按照一些规则将两个数据文件合并在一起。我对如何使用pandas创建和合并csv略知一二，但我不知道如何遵循某些规则

例如，我有两个文件：

实际_data.csv

type    region_1    region_2    date         data
aw      west        2           10/01/2017   0.9318274971234
hss     east        3           05/12/2015   0.7136487234972
.       .           .           .            .
.       .           .           .            .
.       .           .           .            .

forecast_data.csv

type    region_1    region_2    date         data
jad     north       22          11/13/2025   0.71283741932
js      east        3           04/16/2023   0.16238471239
.       .           .           .            .
.       .           .           .            .
.       .           .           .            .

我需要按照以下规则合并这些文件：

将实际_data.csv与预测_data.csv合并

如果缺少actual_data.csv的日期，请使用forecast_data.csv作为该日期

当两种数据均适用于特定月份时，始终使用实际的_data.csv而不是预测的_data.csv

• 一种解决方案是先使用pandas

  组合

• 这里我假设两个数据帧的形状相同
• 在这里，我优先考虑所有的专栏
• 可以在要从第一个df中拾取的列上循环
• 下面是一个小例子，说明如何实现类似的目标

输出：

# df1
      a     b
0   1.0     x
1   2.0     y
2   NaN     z

#df2
    a   b
0   1   a
1   3   b
2   4   c

#df
    a       b
0   1.0     x
1   2.0     y
2   4.0     z

• 参考：

---

您需要将实际数据与预测数据进行左连接（这是基于您的要求，即缺少的实际数据应该被填充，如果您希望缺少预测数据，则需要进行外部连接）

此时，res将有一个合并列的索引

['type'，region\u 1'，region\u 2']

，2个日期列（

date\u-fore

，

date\u-act

），和2个数据列（

data\u-fore

，

date\u-act

）。从那里，您可以用预测日期填充实际日期的空值，然后根据需要将其折叠为一列：

res['date'] = res['date_act'].fillna(res['date_fore'])
res.drop(['date_fore', 'date_act'], axis=1, inplace=True)

对于数据，这是一个类似的操作：

res['data'] = res['data_act'].fillna(res['data_fore'])
res.drop(['data_fore', 'data_act'], axis=1, inplace=True)

res['date'] = res['date_act'].fillna(res['date_fore'])
res.drop(['date_fore', 'date_act'], axis=1, inplace=True)

res['data'] = res['data_act'].fillna(res['data_fore'])
res.drop(['data_fore', 'data_act'], axis=1, inplace=True)