Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.combine_first方法的使用。

DataFrame.combine_first(other)

更新与null值的元素在同一位置等。

通过在一个DataFrame中使用来自其他DataFrame的非null值填充空值来组合两个DataFrame对象。生成的DataFrame的行索引和列索引将是两者的并集。

参数

other : DataFrame

提供了用于填充空值的DataFrame。

返回

combined : DataFrame

例子

>>> df1 = pd.DataFrame({'A': [None, 0], 'B': [None, 4]})
>>> df2 = pd.DataFrame({'A': [1, 1], 'B': [3, 3]})
>>> df1.combine_first(df2)
A B
0 1.0 3.0
1 0.0 4.0

如果该空值的位置在其他位置不存在,则空值仍然存在

>>> df1 = pd.DataFrame({'A': [None, 0], 'B': [4, None]})
>>> df2 = pd.DataFrame({'B': [3, 3], 'C': [1, 1]}, index=[1, 2])
>>> df1.combine_first(df2)
A B C
0 NaN 4.0 NaN
1 0.0 3.0 1.0
2 NaN 3.0 1.0

推荐文档

相关文档

大家感兴趣的内容

随机列表