合并两个文件中具有相同列值的行

Question

目前我正在亚马逊网站上搜集一些数据。我遇到的问题是，我无法从同一个页面上真正获取产品的所有数据。你知道吗

我最终得到的是两个文件，它们的列标题相同，但列本身的数据不同。我以前几乎从未使用过熊猫，除了一些小东西，所以我在这方面的知识不是很丰富。你知道吗

例如，在一个.csv文件中，产品具有“code”“name”“url”“size”和信息，但在另一个文件中，产品具有“code”“price”“image1”“image2”等等。你知道吗

如果file2中的代码与file1中的代码相同，那么最好的方法是将file2中的数据粘贴到file1（或者创建一个新文件）。我可能会与数以万计的不同的产品代码，所以更有效的方式可能更好。你知道吗

下面我将链接两个文件作为示例

文件1:https://ufile.io/oojru

文件2:https://ufile.io/cytmq

我将把上面的一些数据写成文本（没有使用所有的标题，因为它看起来不太好）

文件1

categoriaProducto codigoEspecifico codigoGenerico nombreProducto precioProducto

-                 B072L7PVNQ       -              -              price1
-                 B01D9FKME6       -              -              price2
-                 B077Z5ST3P       -              -              price3
-                 B00KLMFUKC       -              -              price4

文件2

 categoriaProducto codigoEspecifico codigoGenerico nombreProducto precioProducto

Clothing          B072L7PVNQ       86K5PBAH       name1              -
Clothing          B01D9FKME6       86K5PBAH       name2              -
Clothing          B077Z5ST3P       86K5PBAH       name3              -
Clothing          B00KLMFUKC       86K5PBAH       name4              -

对于上传的文件和文本，代码的顺序是相同的。值得注意的是，情况可能并非如此。你知道吗

我还要补充一点，如果一个产品代码出现在file1中，那么代码也会出现在file2中，而不是相反。你知道吗

我尝试从file1数据创建一个新列，并将该列粘贴到file2数据帧中，然后保存该文件。但后来我发现，代码可能不按顺序排列，所以这种方式不起作用。你知道吗

编辑：我不太清楚我想要什么，我的道歉。我想得到的结果是这样的

 categoriaProducto codigoEspecifico codigoGenerico nombreProducto precioProducto

Clothing          B072L7PVNQ       86K5PBAH       name1          price1
Clothing          B01D9FKME6       86K5PBAH       name2          price2
Clothing          B077Z5ST3P       86K5PBAH       name3          price3
Clothing          B00KLMFUKC       86K5PBAH       name4          price4

Answer 1

我相信您需要^{}来只删除NaN的^{}行：

df1= pd.read_csv('example1.csv')
df2= pd.read_csv('example2.csv')

df1 = df1.set_index('codigoEspecificoProducto').dropna(how='all')
df2 = df2.set_index('codigoEspecificoProducto').dropna(how='all')
df = df1.combine_first(df2)

Answer 2

我将把这两个文件放入一个数据帧中，然后使用dropduplicates方法。https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.drop_duplicates.html

可以指定要查找重复项的列。默认情况下，所有列必须匹配才能标记重复项。但这是可配置的。你知道吗

然后可以将其保存到单个csv文件中