pandas.DataFrame.combine

DataFrame.combine(other, func, fill_value=None, overwrite=True)

将另一 DataFrame 进行逐列合并。

使用 func 将 DataFrame 与 other DataFrame 逐元素组合。结果 DataFrame 的行和列索引将是两者的并集。

Parameters:

otherDataFrame

用于按列合并的 DataFrame。

funcfunction

接受两个 Series 作为输入并返回 Series 或标量的函数。用于逐列合并两个 DataFrame。

fill_value标量值，默认为 None

在将任何列传递给合并函数之前用于填充 NaN 的值。

overwritebool, default True

如果为 True，则 self 中不存在于 other 中的列将被 NaN 覆盖。

Returns:

DataFrame

提供的 DataFrame 的组合。

参见

DataFrame.combine_first

组合两个 DataFrame 对象，并默认使用调用方法的框架中的非空值。

Examples

使用简单的函数组合，该函数选择较小的列。

>>> 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

使用 fill_value 在将列传递给合并函数之前填充 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

然而，如果两个 DataFrame 中的相同元素都为 None，则该 None 会被保留。

>>> 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

演示 overwrite 的使用以及当 DataFrame 之间轴不同时的行为的示例。

>>> 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

演示了传入 DataFrame 的首选项。

>>> 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