条件付きの2つのデータフレームを列の更新または行の追加にマージする

Question

2つのデータフレームに同じ列があります。これらのデータフレームをキー列にマージ（または結合）したいのですが、キーの一致がある場合は一致する行の1つの列を更新し、そうでなければ最初の/古いデータフレームを追加します。

例Psudeocode：

for row in new_dataset: 
if new_dataset['key'] == old_dataset['key']: 
    old_dataset['last_seen'] = new_dataset['last_seen'] 
else: 
    append row to old_dataset 

例入力：

DF1

Key  First_Seen Last_Seen Data Data 
Bigfoot 2015  2015  Blah Blah 
Loch_Ness 2016  2016  Blah Blah 
UFO  2016  2004  Blah Blah 

DF2

Key  First_Seen Last_Seen Data Data 
UFO  2017  2017  Blah Blah 
Tupac  2017  2017  Blah Blah 

所望の出力：

DF3

Key  First_Seen Last_Seen Data Data 
Bigfoot 2015  2015  Blah Blah 
Loch_Ness 2016  2016  Blah Blah 
UFO  2016  2017  Blah Blah 
Tupac  2017  2017  Blah Blah 

編集：非を追加するために、左マージその後、右の列を明示的に呼び出すと、キーにマージをやって、インデックスとしてキーに参加し、私は含まれるように、いくつかのアプローチを試みました一致した値。私が直面している問題は、マージがすべての列を結合したい、または完全に複製されたdfを作成するか、明示的に列を呼び出すときに、データフレームに合わせてパンダシリーズに一致させることができないことです。私は、列の呼び出しで2シリーズを使用して正規化するとき、私は上のマージするマッチした特定の行をバック返す方法がない、など

Answer 1

新しい回答
少ない

df1.append(df2).pipe(
    lambda d: (
     lambda f: f('Key').assign(
      Last_Seen=f('Key', 'last').Last_Seen.values) 
    )(d.drop_duplicates) 
).reset_index(drop=True) 

     Key First_Seen Last_Seen Data Data.1 
0 Bigfoot  2015  2015 Blah Blah 
1 Loch_Ness  2016  2016 Blah Blah 
2  UFO  2016  2017 Blah Blah 
3  Tupac  2017  2017 Blah Blah 

バリアントlambdaよりmerge

df1.merge(df2, 'outer', 'Key', suffixes=['', '_']).pipe(
    lambda d: d.fillna(
     d.filter(regex='_$').rename(columns=lambda x: x[:-1]) 
    ).assign(Last_Seen=d.Last_Seen_.fillna(d.Last_Seen)) 
)[df1.columns].astype(df1.dtypes) 

     Key First_Seen Last_Seen Data Data.1 
0 Bigfoot  2015  2015 Blah Blah 
1 Loch_Ness  2016  2016 Blah Blah 
2  UFO  2016  2017 Blah Blah 
3  Tupac  2017  2017 Blah Blah 

---

旧回答

d1, d2 = df1.set_index('Key').align(df2.set_index('Key')) 
d3 = d1.combine_first(d2) 
d3.update(d2.Last_Seen) 
d3 = d3.reset_index().astype(df1.dtypes) 
d3 

     Key First_Seen Last_Seen Data Data.1 
0 Bigfoot  2015  2015 Blah Blah 
1 Loch_Ness  2016  2016 Blah Blah 
2  Tupac  2017  2017 Blah Blah 
3  UFO  2016  2017 Blah Blah