我的个人技术笔记

14.7 其他组合与更新

5 min read

说明

除了 concat、merge、join 等显式合并方法外，pandas 还提供了一些元素级组合、掩码式填充与原地更新的方法，用于更灵活的数据整合。

combine()

DataFrame.combine()

DataFrame.combine(
    other,           # 另一个 DataFrame
    func,            # 组合函数，接收两个 Series 并返回一个 Series
    fill_value=None, # 缺失值的填充值
    overwrite=True,  # 为 False 时，其他中被 NaN 覆盖的位置保留原值
)

说明

将两个 DataFrame 的同名列成对传给 func 进行组合，返回新 DataFrame。

import pandas as pd
 
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
 
# 取每列最大值
print(df1.combine(df2, lambda s1, s2: s1.where(s1 > s2, s2)))
#    A  B
# 0  5  7
# 1  6  8
 
# 使用 fill_value 处理 NaN
df3 = pd.DataFrame({'A': [pd.NA, 2]})
df4 = pd.DataFrame({'A': [10, pd.NA]})
print(df3.combine(df4, lambda s1, s2: s1.fillna(0) + s2.fillna(0), fill_value=100))
#      A
# 0  110
# 1  102
 
# overwrite=False：df2 的 NaN 不覆盖 df1 的值
df5 = pd.DataFrame({'A': [1, 2]})
df6 = pd.DataFrame({'A': [10, pd.NA]})
print(df5.combine(df6, lambda s1, s2: s1.where(s1.notna(), s2), overwrite=False))

Series.combine()

Series.combine(
    other,       # 另一个 Series（或标量）
    func,        # 组合函数，接收两个标量返回一个标量
    fill_value=None,
)
s1 = pd.Series([1, 2, 3])
s2 = pd.Series([10, 20, 30])
 
print(s1.combine(s2, max))
# 0    10
# 1    20
# 2    30
 
print(s1.combine(s2, lambda x, y: x + y))
# 0    11
# 1    22
# 2    33

combine_first()

说明

使用另一个对象中的值填充调用者中的 NaN，等价于 SQL 中的 COALESCE。

DataFrame.combine_first(other)
Series.combine_first(other)

DataFrame.combine_first()

df_a = pd.DataFrame({'A': [1, pd.NA], 'B': [3, 4]})
df_b = pd.DataFrame({'A': [10, 20], 'B': [30, pd.NA]})
 
print(df_a.combine_first(df_b))
#      A     B
# 0   1.0   3.0
# 1  20.0   4.0

说明

与 fillna() 的区别：combine_first() 会自动按索引和列对齐，而 fillna() 只填充相同位置的 NaN。

Series.combine_first()

s_a = pd.Series([1, pd.NA, 3], index=['a', 'b', 'c'])
s_b = pd.Series([10, 20, 30], index=['a', 'b', 'z'])
 
print(s_a.combine_first(s_b))
# a     1.0
# b    20.0
# c     3.0
# z    30.0

update()

说明

用另一个对象的非 NaN 值原地修改当前对象，默认按索引和列对齐，不返回新对象。

DataFrame.update(
    other,               # 另一个 DataFrame / 可转为 DataFrame 的对象
    join='left',         # 对齐方式：'left'、'right'、'inner'、'outer'（仅允许 'left' 在旧版）
    overwrite=True,      # 为 False 时，other 中的 NaN 不覆盖原值
    filter_func=None,    # 函数，返回 True 的位置才更新
    errors='ignore',     # 'raise' 或 'ignore'，控制列类型不一致时是否报错
)

示例

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [10, pd.NA, 30], 'B': [40, 50, 60]})
 
df1.update(df2)
print(df1)
#     A   B
# 0  10  40
# 1   2  50
# 2  30  60
 
# overwrite=False：df2 的 NaN 不覆盖
df3 = pd.DataFrame({'A': [1, 2]})
df4 = pd.DataFrame({'A': [10, pd.NA]})
df3.update(df4, overwrite=False)
print(df3)
#     A
# 0  10
# 1   2

Series.update()

s1 = pd.Series([1, 2, 3])
s2 = pd.Series([10, pd.NA])
s1.update(s2)
print(s1)
# 0    10
# 1     2
# 2     3

align()

说明

将两个对象按索引对齐，返回对齐后的元组。常用于预对齐后再进行运算。

DataFrame.align(
    other,
    join='outer',      # 'outer'、'inner'、'left'、'right'
    axis=None,         # None=所有轴，0=索引，1=列
    level=None,        # MultiIndex 层级
    copy=None,         # 是否复制
    fill_value=None,   # 对齐时填充缺失值
    method=None,       # 填充方法，如 'ffill'（常与 fill_value 互斥）
    limit=None,
    fill_axis=0,
)

示例

s1 = pd.Series([1, 2], index=['a', 'b'])
s2 = pd.Series([10, 20], index=['b', 'c'])
 
aligned1, aligned2 = s1.align(s2, join='outer', fill_value=0)
print(aligned1)
# a    1
# b    2
# c    0
print(aligned2)
# a     0
# b    10
# c    20

综合对比

方法功能对齐方式是否原地
combine()元素级自定义组合索引+列否
combine_first()用 other 填充 NaN索引+列否
update()用 other 覆盖当前值索引+列是
align()对齐索引并返回元组索引+列否
merge()按键合并键列否
concat()轴向拼接轴对齐否

注意

update() 会直接修改原对象，如需保留原始数据请先 copy()。

🔗 相关链接

Graph View

Backlinks