面试题：Python之Pandas多表复杂合并与数据清洗

Question

假设有两个DataFrame，df1和df2。df1包含用户ID、购买日期、购买金额等信息；df2包含用户ID、用户注册日期、用户所在城市等信息。现在需要将这两个DataFrame合并，同时清洗掉购买金额为负数以及注册日期格式不正确的数据，用Pandas如何完成这些操作？

Answer 1

import pandas as pd

# 假设df1和df2已经定义好
# 合并两个DataFrame，基于用户ID合并
merged_df = pd.merge(df1, df2, on='用户ID')

# 清洗购买金额为负数的数据
merged_df = merged_df[merged_df['购买金额'] >= 0]

# 假设注册日期格式为 'YYYY-MM-DD'，清洗格式不正确的数据
merged_df['用户注册日期'] = pd.to_datetime(merged_df['用户注册日期'], errors='coerce')
merged_df = merged_df.dropna(subset=['用户注册日期'])

以上代码先使用pd.merge方法基于用户ID合并两个DataFrame，然后通过条件筛选去除购买金额为负数的数据，最后将用户注册日期列转换为日期格式并去除转换失败（格式不正确）的数据。