Python DataFrame : 선택한 값을 기본 DataFrame으로 대체하거나 결합하십시오.

Question

다음과 같이 2 개의 팬더 DataFrame이 있습니다. 문자열과 np.nan 값을 포함합니다. DF =

A B C D E F 
0 aaa abx fwe dcs NaN gsx 
1 bbb daf dxs fsx NaN ewe 
2 ccc NaN NaN NaN NaN dfw 
3 ddd NaN NaN asc NaN NaN 
4 eee NaN NaN cse NaN NaN 
5 fff NaN NaN wer xer NaN 

df_result =

A C E F 
2 sfa NaN NaN wes 
4 web NaN NaN NaN 
5 NaN wwc wew NaN 

내가 원하는 것은 해당 컬럼과 인덱스 DataFrame를 DF하는 전체 df_result의 DataFrame을 복사합니다. 5 비수 (NaN에 FFF 변경) : 그래서 내 출력

A B C D E F 
0 aaa abx fwe dcs NaN gsx 
1 bbb dxs fsx fsx NaN ewe 
2 sfa NaN NaN NaN NaN wes 
3 wen NaN NaN asc NaN NaN 
4 web NaN NaN cse NaN NaN 
5 NaN NaN wwc wer wew NaN 

그래서 기본적으로 나는 심지어 DF THER이 같은 np.nan 값입니다 생각하는 df_result의 정확한 값을 복사 할 = 것입니다. 또한 열의 순서를 그대로 유지해야합니다. 이 작업을 수행하는 효율적인 방법을 알려주십시오. 고맙습니다!

Answer 1

df.update(dfr.fillna('NaN')) 
df.replace('NaN',np.nan) 
Out[501]: 
    A B C D E F 
0 aaa abx fwe dcs NaN gsx 
1 bbb daf dxs fsx NaN ewe 
2 sfa NaN NaN NaN NaN wes 
3 ddd NaN NaN asc NaN NaN 
4 web NaN NaN cse NaN NaN 
5 NaN NaN wwc wer wew NaN 

Answer 2

열과 인덱스가 제대로 설정되었다고 가정하면됩니다. 작업 그것의

df.loc[df_result.index,df_result.columns] = df_result 

예 :

import pandas as pd 
import numpy as np 
df=pd.DataFrame(data=[ [1 for y in range(5)] for i in range(5)] , columns=list(range(5))) 
df.loc[0::2,2]=np.nan 
print(df) 
df2 = pd.DataFrame(data=[ [2 for y in range(3)] for i in range(2)] , columns=list(range(2,5)),index=range(1,3)) 
df2.loc[:,3] = np.nan 
print(df2) 
df.loc[df2.index,df2.columns] = df2 
print(df)