Python combine_first和fillna之间有什么区别?
这两个功能在我看来是等价的。您可以在下面的代码中看到,它们实现了相同的目标,因为c列和d列是相等的。那我什么时候应该用一个来代替另一个呢 以下是一个例子:Python combine_first和fillna之间有什么区别?,python,pandas,dataframe,nan,Python,Pandas,Dataframe,Nan,这两个功能在我看来是等价的。您可以在下面的代码中看到,它们实现了相同的目标,因为c列和d列是相等的。那我什么时候应该用一个来代替另一个呢 以下是一个例子: import pandas as pd import numpy as np df = pd.DataFrame(np.random.randint(0, 10, size=(10, 2)), columns=list('ab')) df.loc[::2, 'a'] = np.nan 返回: a b 0 NaN 4 1
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0, 10, size=(10, 2)), columns=list('ab'))
df.loc[::2, 'a'] = np.nan
返回:
a b
0 NaN 4
1 2.0 6
2 NaN 8
3 0.0 4
4 NaN 4
5 0.0 8
6 NaN 7
7 2.0 2
8 NaN 9
9 7.0 2
a b c d
0 NaN 4 4.0 4.0
1 8.0 7 8.0 8.0
2 NaN 2 2.0 2.0
3 3.0 0 3.0 3.0
4 NaN 0 0.0 0.0
5 2.0 4 2.0 2.0
6 NaN 0 0.0 0.0
7 2.0 6 2.0 2.0
8 NaN 4 4.0 4.0
9 4.0 6 4.0 4.0
这是我的出发点。现在我将添加两列,一列使用combine_first,另一列使用fillna,它们将产生相同的结果:
df['c'] = df.a.combine_first(df.b)
df['d'] = df['a'].fillna(df['b'])
返回:
a b
0 NaN 4
1 2.0 6
2 NaN 8
3 0.0 4
4 NaN 4
5 0.0 8
6 NaN 7
7 2.0 2
8 NaN 9
9 7.0 2
a b c d
0 NaN 4 4.0 4.0
1 8.0 7 8.0 8.0
2 NaN 2 2.0 2.0
3 3.0 0 3.0 3.0
4 NaN 0 0.0 0.0
5 2.0 4 2.0 2.0
6 NaN 0 0.0 0.0
7 2.0 6 2.0 2.0
8 NaN 4 4.0 4.0
9 4.0 6 4.0 4.0
数据集的问题如下:
combine\u first
用于存在非重叠索引时。它将有效地填充空值,并为索引和列提供第一个字段中不存在的值
dfa = pd.DataFrame([[1, 2, 3], [4, np.nan, 5]], ['a', 'b'], ['w', 'x', 'y'])
w x y
a 1.0 2.0 3.0
b 4.0 NaN 5.0
dfb = pd.DataFrame([[1, 2, 3], [3, 4, 5]], ['b', 'c'], ['x', 'y', 'z'])
x y z
b 1.0 2.0 3.0
c 3.0 4.0 5.0
dfa.combine_first(dfb)
w x y z
a 1.0 2.0 3.0 NaN
b 4.0 1.0 5.0 3.0 # 1.0 filled from `dfb`; 5.0 was in `dfa`; 3.0 new column
c NaN 3.0 4.0 5.0 # whole new index
请注意,所有索引和列都包含在结果中
现在如果我们fillna
dfa.fillna(dfb)
w x y
a 1 2.0 3
b 4 1.0 5 # 1.0 filled in from `dfb`
请注意,dfb
中没有新的列或索引。我们只在dfa
共享索引和列信息的地方填写空值
在本例中,您可以在具有相同索引的一列上使用
fillna
和combine\u first
。这些实际上是同一件事。我对熊猫不太熟悉,但似乎你对它们有更多的控制权,而这是一笔一劳永逸的交易