pandas.Series.align#

Series.align(other, join='outer', axis=None, level=None, copy=None, fill_value=None, method=_NoDefault.no_default, limit=_NoDefault.no_default, fill_axis=_NoDefault.no_default, broadcast_axis=_NoDefault.no_default)[源代码]#

使用指定的连接方法按轴对齐两个对象。

为每个轴索引指定联接方法。

Parameters:
otherDataFrame 或 Series
<strong>join</strong>{‘outer’, ‘inner’, ‘left’, ‘right’}，默认 ‘outer’

要执行的对齐类型。

  • left：仅使用左侧框架的键，保留键的顺序。

  • right：仅使用右侧框架的键，保留键的顺序。

  • outer：使用两个框架的键的并集，按字典顺序对键进行排序。

  • inner：使用两个框架的键的交集，保留左侧键的顺序。

axis允许的另一个对象的轴，默认为 None

在索引（0）、列（1）或两者（None）上对齐。

levelint 或级别名称，默认为 None

跨级别广播，匹配 MultiIndex 级别上的索引值。

copybool, default True

始终返回新对象。如果 copy=False 且不需要重新索引，则返回原始对象。

备注

copy 关键字在 pandas 3.0 中将更改行为。Copy-on-Write 将默认启用，这意味着所有带有 copy 关键字的方法都将使用惰性复制机制来延迟复制并忽略 copy 关键字。copy 关键字将在 pandas 的未来版本中移除。

通过启用 copy on write pd.options.mode.copy_on_write = True，您可以获得未来的行为和改进。

fill_value标量，默认 np.nan

用于缺失值的数值。默认为 NaN，但可以是任何“兼容”值。

<strong>method</strong>{‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}，默认 None

用于填充重新索引 Series 中间隙的方法：

  • pad / ffill：将最后一个有效观测值向前传播到下一个有效观测值。

  • backfill / bfill：使用下一个有效观测值来填充间隙。

自 2.1 版本弃用.

<strong>limit</strong>int，默认 None

如果指定了 method，则这是向前/向后填充的连续 NaN 值的最大数量。换句话说，如果存在超过此数量连续 NaN 的间隙，则只会部分填充。如果未指定 method，则这是在整个轴上填充 NaN 的条目的最大数量。如果不是 None，则必须大于 0。

自 2.1 版本弃用.

<strong>fill_axis</strong>对于 Series 为 {0 或 ‘index’}，对于 DataFrame 为 {0 或 ‘index’, 1 或 ‘columns’}，默认为 0

填充轴、方法和限制。

自 2.1 版本弃用.

<strong>broadcast_axis</strong>对于 Series 为 {0 或 ‘index’}，对于 DataFrame 为 {0 或 ‘index’, 1 或 ‘columns’}，默认为 None

如果在对齐两个不同维度的对象时，沿此轴广播值。

自 2.1 版本弃用.

Returns:
元组（Series/DataFrame，其他对象类型）

对齐后的对象。

Examples

>>> df = pd.DataFrame(
...     [[1, 2, 3, 4], [6, 7, 8, 9]], columns=["D", "B", "E", "A"], index=[1, 2]
... )
>>> other = pd.DataFrame(
...     [[10, 20, 30, 40], [60, 70, 80, 90], [600, 700, 800, 900]],
...     columns=["A", "B", "C", "D"],
...     index=[2, 3, 4],
... )
>>> df
   D  B  E  A
1  1  2  3  4
2  6  7  8  9
>>> other
    A    B    C    D
2   10   20   30   40
3   60   70   80   90
4  600  700  800  900

沿列对齐：

>>> left, right = df.align(other, join="outer", axis=1)
>>> left
   A  B   C  D  E
1  4  2 NaN  1  3
2  9  7 NaN  6  8
>>> right
    A    B    C    D   E
2   10   20   30   40 NaN
3   60   70   80   90 NaN
4  600  700  800  900 NaN

我们也可以沿索引对齐：

>>> left, right = df.align(other, join="outer", axis=0)
>>> left
    D    B    E    A
1  1.0  2.0  3.0  4.0
2  6.0  7.0  8.0  9.0
3  NaN  NaN  NaN  NaN
4  NaN  NaN  NaN  NaN
>>> right
    A      B      C      D
1    NaN    NaN    NaN    NaN
2   10.0   20.0   30.0   40.0
3   60.0   70.0   80.0   90.0
4  600.0  700.0  800.0  900.0

最后，默认的 axis=None 将同时在索引和列上对齐：

>>> left, right = df.align(other, join="outer", axis=None)
>>> left
     A    B   C    D    E
1  4.0  2.0 NaN  1.0  3.0
2  9.0  7.0 NaN  6.0  8.0
3  NaN  NaN NaN  NaN  NaN
4  NaN  NaN NaN  NaN  NaN
>>> right
       A      B      C      D   E
1    NaN    NaN    NaN    NaN NaN
2   10.0   20.0   30.0   40.0 NaN
3   60.0   70.0   80.0   90.0 NaN
4  600.0  700.0  800.0  900.0 NaN
On this page
显示源代码