熊猫将数据框与共享列合并，fillna在左与右

Question

我正在尝试合并两个数据帧，并用右df替换左df中的nan，我可以用以下三行代码来做到这一点，但是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

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。你要避免不必要的越来越多“B”列“B_X”，“b_y”merge摆在首位：

• 从 df1 中切出非共享列 'a','e'
• 做merge(df2, 'left')，这将从正确的数据帧中选取“b”（因为它只存在于正确的 df 中）
• 最后做df1.update(...)，这将更新从 df2 中获取的列 'b' 中的 NaNdf1['b']

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价值观a不合适

   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。

更远...

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'))

更深入...

如果您不想update使用数据框，我们可以使用combine_first

快的

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

显式

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

更深入！...

该'left' merge可维持秩序，但不是指标。这是超保守的方法：

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

Answer 2

简洁版本

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

既然您提到过，会有多列

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

我们也可以通过fillnadf

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