Pandas 将数据框与共享列合并，左右填充

Question

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)

Answer 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

Answer 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。

Answer 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

Answer 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)