考虑两个数据帧 df_a
和 df_b
:
>>> df_a = pd.DataFrame.from_dict({1: [1,2,3], 2: ["a", "b", "c"], 3:[4,5,6]})
>>> df_a.index = pd.Index([0,1,3])
>>> print(df_a)
1 2 3
0 1 a 4
1 2 b 5
3 3 c 6
>>> df_b = pd.DataFrame.from_dict({2: ["d", "e", "f", "g"]})
>>> print(df_b)
2
0 d
1 e
2 f
3 g
以及以下代码:
>>> df_a = pd.concat([df_a, df_b])
>>> df_c = df_a.loc[~df_a.index.duplicated(keep='last'),df_b.columns]
>>> df_d = df_a.loc[~df_a.index.duplicated(keep='first'), ~df_a.columns.isin(df_b.columns)]
>>> df_e = df_d.merge(df_c, "outer", left_index=True, right_index=True)
>>> df_e.sort_index(axis=1, inplace=True)
生成所需的数据帧(df_e
):
>>> print(df_e)
1 2 3
0 1.0 d 4.0
1 2.0 e 5.0
2 NaN f NaN
3 3.0 g 6.0
是否有更有效的方式到达df_e
?我尝试了各种使用 pd.concat
、pd.merge
和 pd.update
的方法,但我的努力导致了一个或多个这些不良后果:
- 它破坏了
df_a
的索引(即值没有相同的索引 - 某种索引创建发生在“幕后”)。 - 列已重命名。
- NaN 出现在
df_a
值应该出现的地方。
基本上,我要执行的操作是:
- 用
df_b
的值更新df_a
。 - 如果
df_b
中存在没有相应索引/列的值,请适当扩展df_a
以包含这些值(保持索引/列以适当的顺序排列)。
编辑:提供了更好的例子,不是自然排序的。
最佳答案
我可以想到两种简单明了的方法来获取您的df_e
;不过,我不会过多考虑列顺序。向 df_b
添加一个额外的第 4 列,只是为了显示 df_a
中不存在的列的行为:
In [63]: m = df_b.combine_first(df_a)
In [64]: m
Out[64]:
1 2 3 4
0 1.0 d 4.0 10
1 2.0 e 5.0 11
2 NaN f NaN 12
3 3.0 g 6.0 13
或
In [65]: a,b = df_a.align(df_b)
In [66]: a.update(b)
In [67]: a
Out[67]:
1 2 3 4
0 1.0 d 4.0 10.0
1 2.0 e 5.0 11.0
2 NaN f NaN 12.0
3 3.0 g 6.0 13.0
请注意对齐引入的 dtype 的细微差别。
关于python - Pandas :更新和合并数据框的更好方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48777128/