Python 根据给定列中缺少的值，将行从一个数据帧添加到另一个数据帧

我一直在寻找答案，但找不到。我有两个数据帧，一个是

target

，另一个是

backup

，它们都有相同的列。我想做的是查看给定的列，并将

backup

到

target

中不在

target

中的所有行添加到

target

。最简单的解决方案是：

将熊猫作为pd导入
将numpy作为np导入
目标=pd.DataFrame({
“键1”：[“K1”、“K2”、“K3”、“K5”]，
“A”：[“A1”、“A2”、“A3”、np.nan]，
“B”：[“B1”、“B2”、“B3”、“B5”]，
})
backup=pd.DataFrame({
“键1”：[“K1”、“K2”、“K3”、“K4”、“K5”]，
“A”：[“A1”、“A”、“A3”、“A4”、“A5”]，
“B”：[“B1”、“B2”、“B3”、“B4”、“B5”]，
})
merged=target.copy（）
对于backup.key1.unique（）中的项：
如果项不在target.key1.unique（）中：
merged=pd.concat（[merged，backup.loc[backup.key1==item]]
合并.reset_索引（drop=True，inplace=True）

给予

key1AB
0 K1 A1 B1
1 K2 A2 B2
2 K3 A3 B3
3 K5 NaN B5
4 K4 A4 B4

现在，我已经尝试了几种只使用熊猫的方法，但它们都不起作用

#不起作用，因为它会创建重复的行，如果删除，则不会删除不同的更新行--请将该行与A或NaN进行比较
pd.concat（[目标，备份]）。删除重复项（）
键1 A B
0 K1 A1 B1
1 K2 A2 B2
2 K3 A3 B3
3 K5 NaN B5
1 K2 A B2
3 K4 A4 B4
4K5A5B5

#不起作用，因为备份将覆盖目标--NaN中的数据
pd.合并（目标、备份、how=“right”）
键1 A B
0 K1 A1 B1
1 K2 A B2
2 K3 A3 B3
3 K4 A4 B4
4K5A5B5

重要的是，它不是的副本，因为我不想有一个新列，更重要的是，值不是

target

中的

NaN

，它们根本不存在。此外，如果我将使用建议用于合并列的内容，

target

中的

NaN

将替换为

backup

中不需要的值

它不是使用熊猫的副本，因为在这种情况下，

NaN

由

备份中的值填充，这是错误的：

目标。先合并（备份）
键1 A B
0 K1 A1 B1
1 K2 A2 B2
2 K3 A3 B3
3K5A4 B5
4K5A5B5

最后,

target.join（备份，on=[“key1”]）

给我一个恼人的印象

ValueError: You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat

我真的不明白，因为两者都是纯字符串，并且

所以我想问，我错过了什么？我如何使用一些

pandas

方法来实现它？非常感谢。

与已筛选的

备份

行一起使用

目标中不存在的。按键1

已筛选的in：

---

也许您可以在

df.drop\u duplicates（）

中使用“subset”参数来尝试此操作

其输出：

  key1    A   B
0   K1   A1  B1
1   K2   A2  B2
2   K3   A3  B3
3   K5  NaN  B5
3   K4   A4  B4

---

嗨，谢谢你的回答。出于某种原因，这在我的数据集上不起作用，它显示了补码（或类似的东西）。我还没有弄明白为什么或者为什么我的MRE没有涵盖这一点，但我想说明一下，以防有人跑得更快。

pd.concat([target, backup]).drop_duplicates(subset = "key1")

  key1    A   B
0   K1   A1  B1
1   K2   A2  B2
2   K3   A3  B3
3   K5  NaN  B5
3   K4   A4  B4