pandas combine_first() 优先使用第一个数据合并

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas.DataFrame.combine_first 方法用于将两个数据集（通常是 DataFrame 或 Series）进行合并，其中优先使用第一个数据集的值，如果第一个数据集中有缺失值（NaN），则使用第二个数据集对应位置的值进行填充。

语法

将null元素更新为其他元素中相同位置的值。通过用另一个DataFrame中的非空值填充一个DataFame中的空值来组合两个DataFrame对象。生成的DataFrame的行索引和列索引将是两者的并集。在调用first.combine_first（second）时，生成的数据帧包含“第一个”数据帧值，并覆盖第二个值，其中first.loc[index，col]和second.loc[index，col]都不缺少值。

Series 时用“other”中相同位置的值更新null元素。通过用另一个Series的非空值填充一个Series中的空值来组合两个Series对象。结果索引将是两个索引的并集。

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

参数讲解

other:
- 类型：DataFrame 或 Series
- 说明：要与当前对象进行合并的另一个对象。该对象的类型应与当前对象相同。

返回值

返回一个与输入类型相同的对象（DataFrame 或 Series），其中在有缺失值的地方用 other 对象中的值进行填充。

使用场景

缺失值填充：当你有两个数据集，其中一个可能有缺失值，而另一个数据集有这些缺失值的填充值时，combine_first 是非常有效的工具。
数据补充：如果你有部分不完整的数据，可以使用 combine_first 方法用另一个完整或部分完整的数据集进行补充。

示例

DataFrame：

df1 = pd.DataFrame({'A': [None, 0], 'B': [None, 4]})
df2 = pd.DataFrame({'A': [1, 1], 'B': [3, 3]})
df1.combine_first(df2)
'''
     A    B
0  1.0  3.0
1  0.0  4.0
'''

# 如果空值的位置在其他文件中不存在，则空值仍然存在
df1 = pd.DataFrame({'A': [None, 0], 'B': [4, None]})
df2 = pd.DataFrame({'B': [3, 3], 'C': [1, 1]}, index=[1, 2])
df1.combine_first(df2)
'''
     A    B    C
0  NaN  4.0  NaN
1  0.0  3.0  1.0
2  NaN  3.0  1.0
'''

Series：

s1 = pd.Series([1, np.nan])
s2 = pd.Series([3, 4, 5])
s1.combine_first(s2)
'''
0    1.0
1    4.0
2    5.0
dtype: float64
'''

如果空值的位置在其他文件中不存在，则空值仍然存在:

s1 = pd.Series({'falcon': np.nan, 'eagle': 160.0})
s2 = pd.Series({'eagle': 200.0, 'duck': 30.0})
s1.combine_first(s2)
'''
duck       30.0
eagle     160.0
falcon      NaN
dtype: float64
'''

案例

以下示例展示如何使用 pandas.DataFrame.combine_first 方法填充缺失值。

import pandas as pd
import numpy as np

# 构造示例数据
data1 = pd.DataFrame({
    'A': [1, np.nan, 3, np.nan],
    'B': [4, 5, np.nan, 7]
})

data2 = pd.DataFrame({
    'A': [10, 20, 30, 40],
    'B': [np.nan, 50, 60, np.nan]
})

print("data1:")
print(data1)

print("\ndata2:")
print(data2)

# 使用 combine_first 进行合并，填充缺失值
combined_data = data1.combine_first(data2)

print("\n合并后的数据:")
print(combined_data)

输出结果：

data1:
     A    B
0  1.0  4.0
1  NaN  5.0
2  3.0  NaN
3  NaN  7.0

data2:
    A     B
0  10   NaN
1  20  50.0
2  30  60.0
3  40   NaN

合并后的数据:
     A    B
0  1.0  4.0
1  20.0  5.0
2  3.0  60.0
3  40.0  7.0

在这个例子中，pandas.DataFrame.combine_first 方法用于将 data1 中的缺失值（NaN）用 data2 中相应位置的值进行填充。如果 data1 中的值不是缺失的，则保持原值。结果是一个包含所有非缺失值的完整 DataFrame。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.combine_first.html
https://pandas.pydata.org/docs/reference/api/pandas.Series.combine_first.html

< combine() 根据函数规则逐元素合并 pandas 数据合并 compare() 数据对比 >

更新时间：2024-08-14 16:46:10 标签：pandas python 合并