1

我有两个数据框：

  1. df_data包含将其链接到另一个数据框（df_data_req）的 ID 列，并且那里的其他列包含一些数据。并非所有列都有数据，这在某些情况下是可以的。
  2. df_data_req包含与 df_data 中相同的 ID，并且在此数据框中指定了哪些列应该有数据。
df_data = pd.DataFrame({'ID':['x','y','x','z'],
                   'col1':['1','','2','f'],
                   'col2':['5','5','5','5'],
                   'col3':['','1','3','5']})
df_data_req = pd.DataFrame({'ID':['x','y','z'],
                   'col1':['X','','X'],
                   'col2':['X','X','X'],
                   'col3':['X','X','']})

然后，我想验证 df_data 中的所有行，并检查（基于 ID 列）是否 df_data_req 中指定的所有列都有值。

我期望的是 df_data 的添加列，它表示“缺少数据”或“OK”，这取决于 df_data_req 中指定的内容。样本数据的输出将是：

ID col1 col2 col3 验证
X 1 5 缺失数据
是的 5 1 好的
X 2 5 3 好的
z F 5 5 好的
4

1 回答 1

3

这是一种方法set_index，df.reindex_like后跟条件检查：

a = df_data.set_index("ID").replace("",np.nan)
b = df_data_req.set_index("ID").replace("",np.nan)
c = a.fillna(b.reindex_like(a)).eq("X").any(1)
df_data['validation'] = np.where(c,"MissingData","OK")

print(df_data)

  ID col1 col2 col3   validation
0  x    1    5       MissingData
1  y         5    1           OK
2  x    2    5    3           OK
3  z    f    5    5           OK
于 2021-06-17T18:22:46.307 回答