python - Pandas 对齐()函数: illustrative example

Question

我遇到了这行代码

app_train_poly, app_test_poly = app_train_poly.align(app_test_poly, join = 'inner', axis = 1)

此处 app_train_poly 和 app_test_poly 是 Pandas 数据框。

我知道使用 align() 您可以对两个数据帧执行某种组合，但我无法想象它实际上是如何工作的。

我搜索了文档，但找不到任何说明性示例。

Answer 1

你走在正确的轨道上，除了 DataFrame.align 没有组合两个数据帧，而是对齐它们，使两个数据帧具有相同的行和/或列配置。让我们尝试一个例子:

用一些描述性的列名和玩具数据初始化两个数据框:

df1 = pd.DataFrame([[1,2,3,4], [6,7,8,9]], columns=['D', 'B', 'E', 'A'], index=[1,2])
df2 = pd.DataFrame([[10,20,30,40], [60,70,80,90], [600,700,800,900]], columns=['A', 'B', 'C', 'D'], index=[2,3,4])

现在，让我们单独查看这些数据框:

print(df1)

   D  B  E  A
1  1  2  3  4
2  6  7  8  9

print(df2)

     A    B    C    D
2   10   20   30   40
3   60   70   80   90
4  600  700  800  900

让我们对齐这两个数据框，按列对齐 (axis=1)，并对列标签执行外部连接 (join='outer'):

a1, a2 = df1.align(df2, join='outer', axis=1)
print(a1)
print(a2)

   A  B   C  D  E
1  4  2 NaN  1  3
2  9  7 NaN  6  8
     A    B    C    D   E
2   10   20   30   40 NaN
3   60   70   80   90 NaN
4  600  700  800  900 NaN

这里有几点需要注意:

• df1 中的列已重新排列，因此它们与 df2 中的列对齐。
• 有一个标记为 'C' 的列已添加到 df1，还有一个标记为 'E' 的列已添加到 df2。这些列已用 NaN 填充。这是因为我们对列标签执行了外部联接。
• DataFrame 中的所有值都没有被改变。
• 注意行标签没有对齐； df2 有行 3 和 4，而 df1 没有。这是因为我们要求对齐列 (axis=1)。

如果我们同时对齐行和列，但将 join 参数更改为 'right'，会发生什么情况？

a1, a2 = df1.align(df2, join='right', axis=None)
print(a1)
print(a2)

     A    B   C    D
2  9.0  7.0 NaN  6.0
3  NaN  NaN NaN  NaN
4  NaN  NaN NaN  NaN
     A    B    C    D
2   10   20   30   40
3   60   70   80   90
4  600  700  800  900

注意:

• 仅保留在“正确”数据框 (df2) 中找到的列和行。 'E' 列不再存在。这是因为我们对列和行标签进行了右连接。
• 带有标签 3 和 4 的行已添加到 df1，并用 Nan 填充。这是因为我们要求行和列都对齐 (axis=None)。
• 行标签现在与列标签对齐。
• 再次请注意，数据框中的实际值均未更改。

最后，让我们看一下问题中的代码，join='inner' 和 axis=1:

a1, a2 = df1.align(df2, join='inner', axis=1)
print(a1)
print(a2)

   D  B  A
1  1  2  4
2  6  7  9
     D    B    A
2   40   20   10
3   90   70   60
4  900  700  600

• 仅对齐列标签 (axis=1)。
• 仅保留同时出现在 df1 和 df2 中的列标签 (join='inner')。

总而言之，当您想要确保行和/或列的排列在两个数据帧之间相同，而不改变两个数据帧中包含的任何数据时，请使用 DataFrame.align()数据框。