Python 使用Pandas从不同的表添加属性

我用熊猫来加工桌子

[table1]
  sample1 sample2 sample3
A 11      22      33
B 1       2       3

[table2]
  sample3 sample4 sample2
D 333     444     222

[Result]
  sample1 sample2 sample3
A 11      22      33
B 1       2       3
D NaN     222     333

我有两个表，考虑到列名，我想在表1中添加行

D

（表2）。如果表1中的列存在于表2中，则将相应的

D

值添加到表1中，就像样本2和样本3一样。如果表2中的列与示例1不同，则D的值设置为

NaN

或忽略

有什么简单的方法可以对熊猫进行此操作吗？

我认为您可以通过以下方式使用并删除列

sample4

：

您可以使用来选择

数据帧

中的列，然后通过以下列选择

表2

的子集：

print (table2.columns.intersection(table1.columns))
Index(['sample2', 'sample3'], dtype='object')

print (pd.concat([table1,table2[table2.columns.intersection(table1.columns)]]))
   sample1  sample2  sample3
A     11.0       22       33
B      1.0        2        3
D      NaN      222      333

然后，如果需要使用

NaN

删除行，请使用：

---

通过首先从

table1

中的

table2

中选择子列，可以概括jezrael的。这是相当整洁地完成使用。这也避免了使用两个数据帧中的列形成潜在的巨大临时数据帧。例如：

import numpy as np
import pandas as pd

table1 = pd.DataFrame([[11, 22, 33], [1, 2, 3]], index=list('AB'), columns=['sample1', 'sample2', 'sample3'])
table2 = pd.DataFrame([[333, 444, 222]], index=['D'], columns=['sample3', 'sample4', 'sample2'])

# Sub-select columns...
cols_in_table1 = table2.columns[np.in1d(table2.columns, table1.columns)]

# ... and concatenate.
results = pd.concat((table1, table2[cols_in_table1]))

print(results)

其中打印：

   sample1  sample2  sample3
A     11.0       22       33
B      1.0        2        3
D      NaN      222      333

---

我认为我需要在列中查找值，但concat更简单，也更直观。谢谢你的回答。很高兴能帮助你！这对于亚柱选择非常有用。感谢您对INAD函数的评论。

import numpy as np
import pandas as pd

table1 = pd.DataFrame([[11, 22, 33], [1, 2, 3]], index=list('AB'), columns=['sample1', 'sample2', 'sample3'])
table2 = pd.DataFrame([[333, 444, 222]], index=['D'], columns=['sample3', 'sample4', 'sample2'])

# Sub-select columns...
cols_in_table1 = table2.columns[np.in1d(table2.columns, table1.columns)]

# ... and concatenate.
results = pd.concat((table1, table2[cols_in_table1]))

print(results)

   sample1  sample2  sample3
A     11.0       22       33
B      1.0        2        3
D      NaN      222      333