pandas.DataFrame.combine #

数据框。组合( other , func , fill_value = None , overwrite = True ) [来源] #

与另一个 DataFrame 执行按列组合。

使用func将 DataFrame 与其他DataFrame组合起来，以按元素组合列。生成的 DataFrame 的行索引和列索引将是两者的并集。

参数：

其他数据框: 要按列合并的 DataFrame。
函数函数: 以两个系列作为输入并返回系列或标量的函数。用于逐列合并两个数据框。
fill_value标量值，默认 None: 在将任何列传递给合并函数之前填充 NaN 的值。
覆盖布尔值，默认 True: 如果为 True，则self中不存在于other中的列将被 NaN 覆盖。

返回：

数据框: 提供的数据帧的组合。

也可以看看

DataFrame.combine_first: 组合两个 DataFrame 对象，并在调用该方法的框架中默认为非空值。

例子

使用选择较小列的简单函数进行合并。

>>> df1 = pd.DataFrame({'A': [0, 0], 'B': [4, 4]})
>>> df2 = pd.DataFrame({'A': [1, 1], 'B': [3, 3]})
>>> take_smaller = lambda s1, s2: s1 if s1.sum() < s2.sum() else s2
>>> df1.combine(df2, take_smaller)
   A  B
0  0  3
1  0  3

使用真正的逐元素组合函数的示例。

>>> df1 = pd.DataFrame({'A': [5, 0], 'B': [2, 4]})
>>> df2 = pd.DataFrame({'A': [1, 1], 'B': [3, 3]})
>>> df1.combine(df2, np.minimum)
   A  B
0  1  2
1  0  3

在将列传递给合并函数之前，使用fill_value填充 None。

>>> df1 = pd.DataFrame({'A': [0, 0], 'B': [None, 4]})
>>> df2 = pd.DataFrame({'A': [1, 1], 'B': [3, 3]})
>>> df1.combine(df2, take_smaller, fill_value=-5)
   A    B
0  0 -5.0
1  0  4.0

但是，如果两个数据帧中的相同元素为 None，则保留 None

>>> df1 = pd.DataFrame({'A': [0, 0], 'B': [None, 4]})
>>> df2 = pd.DataFrame({'A': [1, 1], 'B': [None, 3]})
>>> df1.combine(df2, take_smaller, fill_value=-5)
    A    B
0  0 -5.0
1  0  3.0

该示例演示了当数据帧之间的轴不同时覆盖的使用和行为。

>>> df1 = pd.DataFrame({'A': [0, 0], 'B': [4, 4]})
>>> df2 = pd.DataFrame({'B': [3, 3], 'C': [-10, 1], }, index=[1, 2])
>>> df1.combine(df2, take_smaller)
     A    B     C
0  NaN  NaN   NaN
1  NaN  3.0 -10.0
2  NaN  3.0   1.0

>>> df1.combine(df2, take_smaller, overwrite=False)
     A    B     C
0  0.0  NaN   NaN
1  0.0  3.0 -10.0
2  NaN  3.0   1.0

展示传入数据帧的偏好。

>>> df2 = pd.DataFrame({'B': [3, 3], 'C': [1, 1], }, index=[1, 2])
>>> df2.combine(df1, take_smaller)
   A    B   C
0  0.0  NaN NaN
1  0.0  3.0 NaN
2  NaN  3.0 NaN

>>> df2.combine(df1, take_smaller, overwrite=False)
     A    B   C
0  0.0  NaN NaN
1  0.0  3.0 1.0
2  NaN  3.0 1.0