Pandas 将数据框与共享列合并，左右填充

Posted 2023-02-23

【中文标题】Pandas 将数据框与共享列合并，左右填充

【英文标题】：Pandas merge dataframes with shared column, fillna in left with right

【发布时间】：2019-11-12 11:48:42

【问题描述】：

我正在尝试合并两个数据帧并将左侧 df 中的 nan 替换为右侧 df，我可以使用如下三行代码来完成，但我想知道是否有更好/更短的方法？

# Example data (my actual df is ~500k rows x 11 cols)
df1 = pd.DataFrame('a': [1,2,3,4], 'b': [0,1,np.nan, 1], 'e': ['a', 1, 2,'b'])
df2 = pd.DataFrame('a': [1,2,3,4], 'b': [np.nan, 1, 0, 1])

# Merge the dataframes...
df = df1.merge(df2, on='a', how='left')

# Fillna in 'b' column of left df with right df...
df['b'] = df['b_x'].fillna(df['b_y'])

# Drop the columns no longer needed
df = df.drop(['b_x', 'b_y'], axis=1)

【问题讨论】：

我改写了您的问题以说明所需的行为：“用右 df 填充左 df 的 'b' 列”。你真的想跳过左合并，首先给你两个不需要的列'b_x，b_y'，然后不得不操纵它们。这就是update() 的用途。

【参考方案1】：

短版

df1.b.fillna(df1.a.map(df2.set_index('a').b),inplace=True)
df1
Out[173]: 
   a    b  e
0  1  0.0  a
1  2  1.0  1
2  3  0.0  2
3  4  1.0  b

既然你提到会有多个列

df = df1.combine_first(df1[['a']].merge(df2, on='a', how='left'))
df
Out[184]: 
   a    b  e
0  1  0.0  a
1  2  1.0  1
2  3  0.0  2
3  4  1.0  b

我们也可以用 df 传递给fillna

df1.fillna(df1[['a']].merge(df2, on='a', how='left'))
Out[185]: 
   a    b  e
0  1  0.0  a
1  2  1.0  1
2  3  0.0  2
3  4  1.0  b

【讨论】：

在数据帧 df1 上操作，没有任何就地突变...如果你想：df1.fillna('b': df1.a.map(df2.set_index('a').b))

如果你看起来不错，这可以在merge上变体？或者更好combine_first？

@piRSquared 是的，已经 + 了，先生，这是一个很好的答案:-)

【参考方案2】：

只有索引对齐（重要说明），我们才能使用update：

df1['b'].update(df2['b'])


   a    b  e
0  1  0.0  a
1  2  1.0  1
2  3  0.0  2
3  4  1.0  b

或者干脆fillna:

df1['b'].fillna(df2['b'], inplace=True)

如果您的索引未对齐，请参阅下面的WenNYoBen's 答案或comment。

【讨论】：

df1.set_index('a',inplace=True); df1.update(df2.set_index('a')); df1.reset_index()

【参考方案3】：

您可以屏蔽数据。

原始数据：

print(df)
   one  two  three
0    1  1.0    1.0
1    2  NaN    2.0
2    3  3.0    NaN

print(df2)
   one  two  three
0    4    4      4
1    4    2      4
2    4    4      3

见下文，蒙版只是根据条件填充。

# mask values where isna()
df1[['two','three']] = df1[['two','three']]\
        .mask(df1[['two','three']].isna(),df2[['two','three']])

输出：

   one  two  three
0    1  1.0    1.0
1    2  2.0    2.0
2    3  3.0    3.0

【讨论】：

注意我的例子有 3 列，所以你必须以某种方式合并

我对此进行了编辑。您可以一次屏蔽多个列。无需合并。仍然要求顺序相同。

【参考方案4】：

混淆合并的问题是两个数据框都有一个'b'列，但左右版本在不匹配的地方有NaN。您首先要避免从merge 获得不需要的多个“b”列“b_x”、“b_y”：

从 df1 分割非共享列 'a','e' 做merge(df2, 'left')，这将从正确的数据帧中获取“b”（因为它只存在于正确的df中） 最后做df1.update(...)，这将用df1['b']更新从df2获取的'b'列中的NaN

解决方案：

df1.update(df1[['a', 'e']].merge(df2, 'left'))

df1

   a    b  e
0  1  0.0  a
1  2  1.0  1
2  3  0.0  2
3  4  1.0  b

注意：因为我使用了merge(..., how='left')，所以我保留了调用数据帧的行顺序。如果我的 df1 的 a 值不正常

   a    b  e
0  1  0.0  a
1  2  1.0  1
2  4  1.0  b
3  3  NaN  2

结果是

df1.update(df1[['a', 'e']].merge(df2, 'left'))

df1

   a    b  e
0  1  0.0  a
1  2  1.0  1
2  4  1.0  b
3  3  0.0  2

正如预期的那样。

---

进一步...

如果您想在可能涉及更多列时更明确

df1.update(df1.drop('b', 1).merge(df2, 'left', 'a'))

更进一步...

如果你不想update数据框，我们可以使用combine_first

快速

df1.combine_first(df1[['a', 'e']].merge(df2, 'left'))

显式

df1.combine_first(df1.drop('b', 1).merge(df2, 'left', 'a'))

---

更进一步！...

'left'merge 可以保留顺序，但不索引。这是极端保守的方法：

df3 = df1.drop('b', 1).merge(df2, 'left', on='a').set_index(df1.index)
df1.combine_first(df3)

【讨论】：

update 函数对我不起作用；但是combine_first 完全符合我的要求，谢谢

kslookall: update 工作正常，请在干净的 pandas 0.24 会话中重试，并确认它工作正常。

@piRSquared 你真的需要解释一下update 在左合并之前填充了 NA，因此它们不会导致不需要的多个“b”列“b_x”、“b_y”。

这很公平。有机会我会补充说明

我编辑了一些解释。您提供了这么多备选方案，这令人困惑，请编辑简洁的一行说明，说明您何时需要每一个。