python pandas データフレームの結合方法について

Question

pythonのpandasを使用して2つのデータフレームを結合して、共通の列があれば更新しようとしています。
df1をベースとして、df2に共通のIDがあればcode列を更新し、df2にしかないdata列は追加して以下のような結果にしたいです。
列の順番は入れ替わっても問題はありません。

ID Info value code data
B 442 12 BB Y
C 998 12 CC X
D 45 12 DD Y
F 777 12 F

色々調べて試みましたがうまく機能しない為、ご教示いただきたく存じます。

import pandas as pd

df1 = pd.DataFrame(data=[
["B", 442,12,"B"],
["C", 998,12,"C"],
["D", 45,12,"D"],
["F", 777,12,"F"]]
, columns=["ID", "Info","value","code"])

df2 = pd.DataFrame(data=[
["A", "X","AA"],
["B", "Y","BB"],
["C", "X","CC"],
["D", "Y","DD"],
["E", "Y","EE"]
]
,columns=["ID", "data","code"])

#検証1
#df=pd.merge(df1, df2, on='ID', how='left') #重複列が_xとなってしまう

#検証2
#df = df1[['ID', 'Info', 'value']].merge(df2[['ID', 'data', 'code']], on='ID', how='left')#IDがFの部分のdataがNaNとなってしまう

print(df)

Answer 1

検証１のコードに少し手を加えるだけでよいです。

import pandas as pd

df1 = pd.DataFrame(data=[
["B", 442,12,"B"],
["C", 998,12,"C"],
["D", 45,12,"D"],
["F", 777,12,"F"]]
, columns=["ID", "Info","value","code"])

df2 = pd.DataFrame(data=[
["A", "X","AA"],
["B", "Y","BB"],
["C", "X","CC"],
["D", "Y","DD"],
["E", "Y","EE"]
]
,columns=["ID", "data","code"])

# df2側の重複列にはサフィックスをつけない
df = pd.merge(df1, df2, on='ID', how='left', suffixes = ['_x',''])

# df2側にないcode値はdf1の値を採用する
df['code'].fillna(df['code_x'], inplace=True)

# 必要な列のみ抽出＆data列のNaNを空文字に
df = df[['ID','Info','value','code','data']].fillna('')

print(df)
#  ID  Info  value code data
#0  B   442     12   BB    Y
#1  C   998     12   CC    X
#2  D    45     12   DD    Y
#3  F   777     12    F

Comments

[Platycerium]

ご回答いただきありがとうございました。
コメントも分かりやすく大変勉強になりました。

Answer 2

「検証1」をベースに書いてみました。

import pandas as pd

df1 = pd.DataFrame(data=[
["B", 442,12,"B"],
["C", 998,12,"C"],
["D", 45,12,"D"],
["F", 777,12,"F"]]
, columns=["ID", "Info","value","code"])

df2 = pd.DataFrame(data=[
["A", "X","AA"],
["B", "Y","BB"],
["C", "X","CC"],
["D", "Y","DD"],
["E", "Y","EE"]
]
,columns=["ID", "data","code"])

#検証1
df=pd.merge(df1, df2, on='ID', how='left') 
df["code"] = df["code_y"]
df["code"] = df["code"].fillna(df["code_x"])
df = df.drop(["code_x", "code_y"], axis=1)
print(df)
#   ID  Info  value data code
# 0  B   442     12    Y   BB
# 1  C   998     12    X   CC
# 2  D    45     12    Y   DD
# 3  F   777     12  NaN    F

Comments

[Platycerium]

ご回答いただきありがとうございました。
たいへん参考になりました。