如何依据2018年ID数据及其对应目标变量对2019年的目标变量进行补充？

Question

问题描述:2018年ID有3万多个,每个ID都有其对应的目标变量(以下简称V)数据;2019年ID有4万多个(与2018年的ID有相同,但不包含所有的2018年的ID),其中2019年的V部分数据缺失,缺失的部分需要根据2018年的V进行补充.

需要解决的问题:在2018年的ID中选出与2019年ID相同的ID,并依据选出的相同的ID对应的V数据填充至2019年的V数据中.

不知道如何解决,在线求教……

Answer 1

import pandas as pd

# 这是你的文件路径，默认你的文件为excel.xlsx
excel_file = 'D:/pythonProject/ID.xlsx'

# 读取文件数据为df结构（DataFrame结构），读取的sheet名字为“ID”, 先后按['2018年ID', '2019年ID']的顺序进行升序排序
df = pd.read_excel(excel_file, sheet_name = 'ID').sort_values(by = ['2018年ID', '2019年ID'], ascending=[True, True])

index = 0  # 开始检索2018年ID的位置为0（即2018年的第一个ID）
for row_c in range(0, df.shape[0]):  # 遍历2019年信息的每一行
    for row_a in range(index, df.shape[0]):   # 遍历2018年信息的每一行，如果同一列数据存在重复情况，此行改为for row_a in range(0, df.shape[0]):
        if df.iloc[row_c, 2] == df.iloc[row_a, 0]:  # 如果2019年ID等于2018年ID,按你的图片来，位置分别在第三列和第一列，对应索引2和0
            df.iloc[row_c, 3] = df.iloc[row_a, 1]  # 更改2019年变量,按你的图片来，位置分别在第四列和第二列，对应索引3和1
            index = row_a + 1 # 这样可以加快匹配速度，已经好了的就不匹配了,但是前提是你的同一列ID没有重复的数据

save_way = 'D:/pythonProject/result.xlsx'  # 结果文件的保存路径
df.to_excel(save_way, sheet_name = 'ID', index=False)  # 生成结果文件