- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
考虑两个数据帧,它们存储相同观察的相同特征的信息,但时间段不同:
import pandas as pd
import numpy as np
df1 = pd.DataFrame({"obs":["a","a","b","b"],
"year":[1,2,1,2],
"val":[3, np.NaN, 3, np.NaN]})
df1
Out:
obs val year
0 a 3 1
1 a NaN 2
2 b 3 1
3 b NaN 2
df2 = pd.DataFrame({"obs":["a","a","b","b"],
"val":[np.NaN, 4, np.NaN, 4],
"year":[1,2,1,2]})
df2.index = (range(5,9))
df2
Out:
obs val year
5 a NaN 1
6 a 4 2
7 b NaN 1
8 b 4 2
现在我想合并或组合这两个数据框,以便将值收集在单个列中,并将 df1
中的 NaN
替换为相应的观察结果-来自 df2
的年份值。我可以通过这样做来实现这一目标:
merged = pd.merge(df1, df2, on=["obs", "year"], how="left")
merged.loc[~np.isfinite(merged.val_x), 'val_x'] = merged[~np.isfinite(merged.val_x)].val_y
即本质上是进行常规合并,然后手动将一列中的 NaN 替换为另一列的值。
有更好/更简洁的方法吗?我觉得某种 df.combine
、df.combine_first
、df.update
会做我想要的事情,但它们似乎都对齐索引。
最佳答案
我假设您的目标是获取 merged['val_x']
并且您确实不关心 merged
中的其他列。
以下是一些选项:
def using_merge(df1, df2):
merged = pd.merge(df1, df2, on=["obs", "year"], how="left")
mask = ~np.isfinite(merged.val_x)
merged.loc[mask, 'val_x'] = merged.loc[mask, 'val_y']
return merged['val_x']
def using_update(df1, d2):
merged = pd.merge(df1, df2, on=["obs", "year"], how="left")
merged['val_y'].update(merged['val_x'])
return merged['val_y']
def using_set_index(df1, df2):
df1 = df1.set_index(['obs','year'])
df2 = df2.set_index(['obs','year'])
return df1['val'].combine_first(df2['val'])
没有一个比其他的更简洁。但有一点性能差异:
import numpy as np
import pandas as pd
import itertools as IT
# generate a large-ish example
np.random.seed(2015)
N, M = 200, 200
df1 = pd.DataFrame(list(IT.product(np.arange(N), np.arange(M))),
columns=['obs','year'])
df1['val'] = np.random.choice([1,2,np.nan], size=len(df1))
df2 = pd.DataFrame(list(IT.product(np.arange(N), np.arange(M))),
columns=['obs','year'])
df2['val'] = np.random.choice([1,2,np.nan], size=len(df1))
df2.index = np.arange(len(df2)) + len(df1)
m1 = using_merge(df1, df2)
m2 = using_update(df1, df2)
m3 = using_set_index(df1, df2)
assert m3.reset_index(drop=True).equals(m1)
assert m1.equals(m2)
<小时/>
In [158]: %timeit using_merge(df1, df2)
100 loops, best of 3: 13.6 ms per loop
In [159]: %timeit using_update(df1, df2)
100 loops, best of 3: 12.3 ms per loop
In [160]: %timeit using_set_index(df1, df2)
100 loops, best of 3: 8 ms per loop
因此,对于较大的 DataFrame,设置索引,然后使用 combine_first
是值得的。
关于python - 当索引不对齐时,pandas DataFrame 更新/合并,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31831519/
这几天我一直在努力。我一直在自学 CSS,所以对菜鸟好一点。我正在创建一个推荐 slider 。推荐以 3 个 block 显示。我希望前 2 个下降,第 3 个上升。但是当 slider 激活时,无
我最近开始学习 Nodejs,现在我很困惑我的网络应用程序使用什么,html 还是 ejs (Express)。 Ejs 使用 Express 模块,而 .html 使用 HTML 模块。我的第一个问
假设我们有一个 PostgreSQL 表contacts,每条记录都有一堆带标签的电子邮件地址(标签和电子邮件对)——其中一个是“主要”。 存储方式如下: id 主键 电子邮件 文本 email_la
我成功为一种新的tesseract语言编写了traineddata文件,但是当我完成时,我继续收到以下错误: index >= 0 && index = 0 && 索引 < size_used_ :E
这个问题已经有答案了: How to deal with SettingWithCopyWarning in Pandas (21 个回答) 已关闭 4 年前。 假设我有一个像这样的数据框,第一列“密
如果我有一个位置或行/列同时用于 A 和 B 位置,请检查 B 是否与 A 成对角线? 1 2 3 4 5 6 7 8 9 例如,我如何检查 5 是否与 7 成对角线? 此外,如果我检查 4 是
MongoDB:索引 一、 创建索引 默认情况下,集合中的_id字段就是索引,我们可以通过getIndexes()方法来查看一个集合中的索引 > db.user.getIndexes() [ { "v
一、索引介绍 索引是一种用来快速查询数据的数据结构。 B+Tree就是一种常用的数据库索引数据结构,MongoDB采用B+Tree 做索引,索引创建在colletions上。 MongoDB不使用索引
我无法决定索引。 就像我有下面的查询需要太多时间来执行: select count(rn.NODE_ID) as Count, rnl.[ISO_COUNTRY_CODE] as Cou
我有这些表: CREATE TABLE `cstat` ( `id_cstat` bigint(20) NOT NULL, `lang_code` varchar(3) NOT NULL,
我正在尝试找到一种方法来提高包含 IP 范围的 mysql 表的性能(在高峰时段每秒最多有 500 个 SELECT 查询(!),所以我有点担心)。 我有一个这种结构的表: id smallint(
jquery index() 似乎无法识别元素之一,总是说“无法读取未定义的属性‘长度’”这是我的代码。mnumber 是导致问题的原因。我需要 number 和 mnumber 才能跟踪使用鼠标,并
我们有一个包含近 4000 万条记录的 MongoDB 集合。该集合的当前大小为 5GB。此集合中存储的数据包含以下字段: _id: "MongoDB id" userid: "user id" (i
文档说:如果你有多个字段的复合索引,你可以用它来查询字段的开始子集。所以如果你有一个索引一个,乙,丙你可以用它查询一种一个,乙a,b,c 我的问题是,如果我有一个像这样的复合索引一个,乙,丙我可以查询
我正在使用 $('#list option').each(function(){ //do stuff }); 循环列表中的选项。我想知道如何获取当前循环的索引? 因为我不想让 var i = 0;循
MySQL索引的建立对于MySQL的高效运行是很重要的,索引可以大大提高MySQL的检索速度。 打个比方,如果合理的设计且使用索引的MySQL是一辆兰博基尼的话,那么没有设计和使用索引的MySQL
SQLite 索引(Index) 索引(Index)是一种特殊的查找表,数据库搜索引擎用来加快数据检索。简单地说,索引是一个指向表中数据的指针。一个数据库中的索引与一本书后边的索引是非常相似的。
我是 RavenDB 的新手。我正在尝试使用多 map 索引功能,但我不确定这是否是解决我的问题的最佳方法。所以我有三个文件:Unit、Car、People。 汽车文件看起来像这样: { Id: "
我有以下数据,我想根据范围在另一个表中建立索引 我想要实现的是,例如,如果三星的销售额为 2500,则折扣为 2%,低于 3000 且高于 1000 我知道它可以通过索引来完成,与多个数组匹配,然后指
我正在检查并删除 SQL 数据库中的重复和冗余索引。 所以如果我有两个相同的索引,我会删除。 例如,如果我删除了重叠的索引... 索引1:品牌、型号 指标二:品牌、型号、价格 我删除索引 1。 相同顺
我是一名优秀的程序员,十分优秀!