팬 아트에서 덮어 쓰기로 결합 또는 병합

Question

datetime 인덱스가있는 데이터 프레임에 조인/병합/추가 작업을 수행하려고합니다.

내가 df1을 가지고 있고 그것에 df2을 추가하려고한다고 가정 해 봅시다. df2은 더 적은 수 이상의 열과 겹치는 인덱스를 가질 수 있습니다. 인덱스가 일치하는 모든 행에 대해 과 동일한 열을 가진 df2 인 경우 df1의 값을 df2의 값으로 덮어 쓰려고합니다.

원하는 결과를 얻으려면 어떻게해야합니까?

Answer 1

어웨이 : df2.combine_first(df1)? 이 df2 중첩되지 않는 인덱스위한 df1의 값을 취한다는

In [33]: df2 
Out[33]: 
        A   B   C   D 
2000-01-03 0.638998 1.277361 0.193649 0.345063 
2000-01-04 -0.816756 -1.711666 -1.155077 -0.678726 
2000-01-05 0.435507 -0.025162 -1.112890 0.324111 
2000-01-06 -0.210756 -1.027164 0.036664 0.884715 
2000-01-07 -0.821631 -0.700394 -0.706505 1.193341 
2000-01-10 1.015447 -0.909930 0.027548 0.258471 
2000-01-11 -0.497239 -0.979071 -0.461560 0.447598 

In [34]: df1 
Out[34]: 
        A   B   C 
2000-01-03 2.288863 0.188175 -0.040928 
2000-01-04 0.159107 -0.666861 -0.551628 
2000-01-05 -0.356838 -0.231036 -1.211446 
2000-01-06 -0.866475 1.113018 -0.001483 
2000-01-07 0.303269 0.021034 0.471715 
2000-01-10 1.149815 0.686696 -1.230991 
2000-01-11 -1.296118 -0.172950 -0.603887 
2000-01-12 -1.034574 -0.523238 0.626968 
2000-01-13 -0.193280 1.857499 -0.046383 
2000-01-14 -1.043492 -0.820525 0.868685 

In [35]: df2.comb 
df2.combine  df2.combineAdd  df2.combine_first df2.combineMult  

In [35]: df2.combine_first(df1) 
Out[35]: 
        A   B   C   D 
2000-01-03 0.638998 1.277361 0.193649 0.345063 
2000-01-04 -0.816756 -1.711666 -1.155077 -0.678726 
2000-01-05 0.435507 -0.025162 -1.112890 0.324111 
2000-01-06 -0.210756 -1.027164 0.036664 0.884715 
2000-01-07 -0.821631 -0.700394 -0.706505 1.193341 
2000-01-10 1.015447 -0.909930 0.027548 0.258471 
2000-01-11 -0.497239 -0.979071 -0.461560 0.447598 
2000-01-12 -1.034574 -0.523238 0.626968  NaN 
2000-01-13 -0.193280 1.857499 -0.046383  NaN 
2000-01-14 -1.043492 -0.820525 0.868685  NaN 

참고. 이게 정확히 당신이 원하는 기능을 수행하지 않으면이 기능을 향상 시키거나 옵션을 추가 할 의향이 있습니다.

Answer 2

이와 같이 병합하려면 DataFrame의 update 메서드가 유용합니다.

documentation에서 예제를 촬영 :

import pandas as pd 
import numpy as np 

df1 = pd.DataFrame([[np.nan, 3., 5.], [-4.6, np.nan, np.nan], 
        [np.nan, 7., np.nan]]) 
df2 = pd.DataFrame([[-42.6, np.nan, -8.2], [-5., 1.6, 4]], 
        index=[1, 2]) 

데이터 update 전과 :

>>> df1 
    0 1 2 
0 NaN 3.0 5.0 
1 -4.6 NaN NaN 
2 NaN 7.0 NaN 
>>> 
>>> df2 
     0 1 2 
1 -42.6 NaN -8.2 
2 -5.0 1.6 4.0 

하자 갱신 df1를 데이터 df2에서 :

df1.update(df2) 

업데이트 후 데이터 :

>>> df1 
     0 1 2 
0 NaN 3.0 5.0 
1 -42.6 NaN -8.2 
2 -5.0 1.6 4.0 

비고 :

• 그것은이 update를 호출하는 DataFrame을 수정, "대신"작업 것을 알 것이 중요합니다.