python - 通过具有 NaN 值的数据帧更新数据帧

Question

我尝试更新 DataFrame

df1 = pd.DataFrame(data = {'A' : [1,2,3,4], 'B' : [5,6,7,8]})

由另一个数据帧

df2 = pd.DataFrame(data = {'B' : [9, np.nan, 11, np.nan]}).

现在，我的目标是更新 df1来自 df2并使用覆盖所有值( NaN 值)

df1.update(df2)

与常见用法相比，获得 NaN 对我来说很重要。值最终在 df1 .
但据我所知，更新返回

>>> df1
      A   B
0     1   9
1     2   6
2     3   11
3     4   8

有没有办法得到

>>> df1
    A    B
0   1    9
1   2    NaN
2   3    11
3   4    NaN

无建筑 df1手动？

Answer 1

我迟到了，但我最近遇到了同样的问题，即尝试更新数据帧而不忽略像 Pandas 内置的 NaN 值 update方法。
对于共享相同列名的两个数据框，一种解决方法是连接两个数据框，然后删除重复项，只保留最后一个条目:

import pandas as pd
import numpy as np

df1 = pd.DataFrame(data = {'A' : [1,2,3,4], 'B' : [5,6,7,8]})
df2 = pd.DataFrame(data = {'A' : [1,2,3,4], 'B' : [9, np.nan, 11, np.nan]})

frames = [df1, df2]
df_concatenated = pd.concat(frames)
df1=df_concatenated.loc[~df_concatenated.index.duplicated(keep='last')]

根据索引，可能需要对输出数据帧的索引进行排序:

df1=df1.sort_index()

为您解决非常具体的例子，其中 df2没有 A 列，您可以运行:

import pandas as pd
import numpy as np

df1 = pd.DataFrame(data = {'A' : [1,2,3,4], 'B' : [5,6,7,8]})
df2 = pd.DataFrame(data = {'B' : [9, np.nan, 11, np.nan]})

frames = [df1, df2]
df_concatenated = pd.concat(frames)

df1['B']=df_concatenated.loc[~df_concatenated.index.duplicated(keep='last')]['B']