在python更新中组合两个csv（如果在较新的csv中存在）

Question

我尝试合并两个csv，即更新由旧数据（old.csv）组成的csv，如果新数据（new.csv）的csv中存在新数据（new.csv）。两者的列数（标题）相同，并且可以通过唯一的id进行标识

old.csv

id,description,listing,url,default
2471582,spacex,536,www.spacex.com,0
3257236,alibaba,875,www.alibaba.com,0
3539697,ethihad,344,www.etihad.com,0
2324566,pretzel,188,www.example.com,1

new.csv

id,description,listing,url,default
2471582,spacex,888,www.spacex.com,0
3539697,ethihad,348,www.etihad.com,0
2324566,pretzel,396,www.pretzelshopexample12345.com,1

以下是我迄今为止在Python&；熊猫：

import pandas as pd
f1 = pd.read_csv('old.csv', delimiter=',')
f2 = pd.read_csv('new.csv', delimiter=',')
with open('final.csv', 'w', encoding='utf-8', newline='') as out:
    pd.merge(f1, f2, on='id', how='left').to_csv(out, sep=',', index=False)

电流输出：

id,description_x,listing_x,url_x,default_x,description_y,listing_y,url_y,default_y
2471582,spacex,536,www.spacex.com,0,spacex,888.0,www.spacex.com,0.0
3257236,alibaba,875,www.alibaba.com,0,,,,
3539697,ethihad,344,www.etihad.com,0,ethihad,348.0,www.etihad.com,0.0
2324566,pretzel,188,www.example.com,1,pretzel,396.0,www.pretzelshopexample12345.com,1.0

我正在努力实现的目标：

id,description,listing,url,default
2471582,spacex,888,www.spacex.com,0
3257236,alibaba,875,www.alibaba.com,0
3539697,ethihad,344,www.etihad.com,0
2324566,pretzel,396,www.pretzelshopexample12345.com,1

因此，我想知道如果new.csv中存在较新的数据，如何使用pandas基于id合并两个csv以替换整行，同时将其余行保留在old.csv中？提前感谢您在这方面的帮助

Answer 1

这将是我的第一个StackOverflow响应，因此可能会出现更漂亮的解决方案；）。。。但在此之前，我的方法是有效的：

import pandas as pd

old_csv = pd.read_csv(r"YourPath\old.csv", index_col="id")
new_csv = pd.read_csv(r"YourPath\new.csv", index_col="id")

updated_csv = pd.DataFrame(columns = new_csv.columns)

old_ids = [x for x in old_csv.index]
new_ids = [x for x in new_csv.index]

for new_id in new_ids:
    for old_id in old_ids:
        if old_id in new_ids:
            updated_csv.loc[old_id, :] = new_csv.loc[old_id, :]
        else: 
            updated_csv.loc[old_id, :] = old_csv.loc[old_id, :]

# Use the following if you want to have the ID as column again:
updated_csv.reset_index(drop=False, inplace=True)
updated_csv.rename(columns={"index":"ID"}, copy=False, inplace=True)

换句话说，我基本上是使用循环来迭代单个客户机ID。我创建了两个列表，其中包括相应的客户机ID和一个新的DataFrame，它的列与以前相同，将使用for循环填充。 因此，如果旧的\u id在新的\u id列表中，脚本将从新的\u csv中提取该id的数据，如果旧的\u id不在，它将从旧的\u csv中提取数据

希望有帮助，期待反馈

Answer 2

这应该起作用：

f1 = f1.set_index('id')
f2 = f2.set_index('id')
f1.update(f2)
f1.reset_index(inplace=True)

输出：

f1：

    id      description listing url                             default
0   2471582 spacex      888.0   www.spacex.com                  0.0
1   3257236 alibaba     875.0   www.alibaba.com                 0.0
2   3539697 ethihad     348.0   www.etihad.com                  0.0
3   2324566 pretzel     396.0   www.pretzelshopexample12345.com 1.0