- 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/
我有几个长度不等的 vector ,我想对其进行cbind。我将 vector 放入列表中,并尝试结合使用do.call(cbind, ...): nm <- list(1:8, 3:8, 1:5)
合并(合并)两个 JSONObjects 的最佳方式是什么? JSONObject o1 = { "one": "1", "two": "2", "three": "3" }
我在一个表中有许多空间实体,其中有一个名为 Boundaries 的 geometry 字段。我想生成一个具有简化形状/几何图形的 GeoJson 文件。 这是我的第一次尝试: var entitie
谁能说出为什么这个选择返回 3.0 而不是 3.5: SELECT coalesce(1.0*(7/2),0) as foo 这个返回 3: SELECT coalesce(7/2,0) as foo
首先抱歉,也许这个问题已经提出,但我找不到任何可以帮助我的东西,可能是因为我对 XSLT 缺乏了解。 我有以下 XML: 0 OK
有时用户会使用 Windows 资源管理器复制文件并在他们应该执行 svn 存储库级别的复制或合并时提交它们。因此,SVN 没有正确跟踪这些变化。一旦我发现这一点,损坏显然已经完成,并且可能已经对相关
我想组合/堆叠 2 个不同列的值并获得唯一值。 如果范围相邻,则可以正常工作。例如: =UNIQUE(FILTERXML(""&SUBSTITUTE(TEXTJOIN(",",TRUE,TRANSPO
使用iTextSharp,如何将多个PDF合并为一个PDF,而又不丢失每个PDF中的“表单字段”及其属性? (我希望有一个使用来自数据库的流的示例,但文件系统也可以) 我发现this code可以正常
是否有一个合并函数可以优先考虑公共(public)变量中的非缺失值? 考虑以下示例。 首先,我们生成两个 data.frames,它们具有相同的 ID,但在特定变量上有互补的缺失值: set.seed
我们正在尝试实现 ALM Rangers 在最新的 Visual Studio TFS Branching and Merging Guide 中描述的“基本双分支计划”。 .从指导: The bas
我在不同目录(3个不同名称)中有很多(3个只是一个例子)文本文件,如下所示: 目录:A,文件名:run.txt 格式:txt制表符分隔 ; file one 10 0.2 0.5 0.
我有一张包含学生等级关系的表: Student Grade StartDate EndDate 1 1 09/01/2009 NULL 2
我在学习 https://www.doctrine-project.org/projects/doctrine-orm/en/2.6/reference/working-with-associatio
我觉得我有世界上最简单的 SVN 用例: 我有一个文件,Test.java在 trunk SVN的。 我分行trunk至 dev-branch . 我搬家Test.java进入 com/mycompa
我有两个数据框,其中一些列名称相同,而另一些列名称不同。数据框看起来像这样: df1 ID hello world hockey soccer 1 1 NA NA
Elasticsearch 中是否缺少以扁平化形式(多个子/子aggs)返回结果的方法? 例如,当前我正在尝试获取所有产品类型及其状态(在线/离线)。 这就是我最终得到的: aggs [ { key:
如何合并如下所示的 map : Map1 = Map(1 -> Class1(1), 2 -> Class1(2)) Map2 = Map(2 -> Class2(1), 3 -> Class2(2)
我试图通过从netezza服务器导入数据来合并两个数据集。 以下是数据集,其数字为,ID为,字母为,名称为: 下表都是使用命令从netezza导入的: sqoop import --connect n
我有两个数组 $array1 = array('first', 'second', 'third', 'fourth'); $array2 = array('first', 'third', 'fou
我正在 SQL Server 中运行合并。在我的更新中,我只想在值发生更改时更新该行。有一个版本行在每次更新时都会递增。下面是一个例子: MERGE Employee as tgt USING (SE
我是一名优秀的程序员,十分优秀!