Python 熊猫从另一个数据帧填充数据帧中缺少的值

我找不到pandas函数（我以前见过）来用另一个数据帧中的值替换数据帧中的NaN（假设可以指定公共索引）。有什么帮助吗？

如果您有两个形状相同的数据帧，那么：

df[df.isnull()] = d2

我会成功的

只有

df.isnull（）

计算结果为

True

（以绿色突出显示）的位置才有资格分配

实际上，数据帧的大小/形状并不总是相同的，转换方法（尤其是

.shift（）

）非常有用

---

输入的数据总是脏的、不完整的或不一致的。当然是标准杆。处理这些情况有相当广泛的方法。

正如我刚刚了解到的，有一种方法可以做到这一点，它的附加属性是，如果更新的数据帧

d2

大于原始的

df

，则还会添加额外的行和列

df = df.combine_first(d2)

准确地回答了这个问题

但是，有时您希望用数据帧B中的值填充/替换/覆盖数据帧A的一些非缺失（非NaN）值。这个问题将我带到了本页，解决方案是

当

条件

为真时，将使用A的值，否则将使用B的值

例如，您可以使用

mask

解决OP的原始问题，这样当A中的元素为非NaN时，可以使用它，否则可以使用B中相应的元素

但是使用你可以用B中的值替换不符合任意标准（小于零？大于100？）的A的值。因此

mask

更灵活，对这个问题来说是多余的，但我认为它值得一提（我需要它来解决我的问题）

---

还需要注意的是，B可以是numpy数组，而不是数据帧。要求B是数据帧，但只要求B是NDFrame且其维度与a的维度匹配。

这应该简单到

df.fillna(d2)

---

这方面的专用方法是：

引自文件：

使用其他数据帧中的非NA值就地修改。
在索引上对齐。没有返回值

需要注意的重要一点是，此方法将修改您的数据。因此，它将覆盖更新的数据帧

示例：

print(df1)
       A    B     C
aaa  NaN  1.0   NaN
bbb  NaN  NaN  10.0
ccc  3.0  NaN   6.0
ddd  NaN  NaN   NaN
eee  NaN  NaN   NaN

print(df2)
         A    B     C
index                
aaa    1.0  1.0   NaN
bbb    NaN  NaN  10.0
eee    NaN  1.0   NaN

# update df1 NaN where there are values in df2
df1.update(df2)
print(df1)
       A    B     C
aaa  1.0  1.0   NaN
bbb  NaN  NaN  10.0
ccc  3.0  NaN   6.0
ddd  NaN  NaN   NaN
eee  NaN  1.0   NaN

---

注意，intersect

aaa，A

和

eee，B

上更新的

NaN

值听起来像是要合并。请展示一些示例场景。找到了！我想先使用combine_

fillna

有一个

value

参数，可用于通过公共索引映射缺少的值，但这要求参数类型为

Series

或

dict

，而不是

DataFrame

。注意，您可能需要执行以下操作：df[df.isnull（）]=d2.valuesBeautiful，simple，优雅！2021年最干净的解决方案应该是公认的答案。请注意，两个数据帧中的列名必须相同。

print(df1)
       A    B     C
aaa  NaN  1.0   NaN
bbb  NaN  NaN  10.0
ccc  3.0  NaN   6.0
ddd  NaN  NaN   NaN
eee  NaN  NaN   NaN

print(df2)
         A    B     C
index                
aaa    1.0  1.0   NaN
bbb    NaN  NaN  10.0
eee    NaN  1.0   NaN

# update df1 NaN where there are values in df2
df1.update(df2)
print(df1)
       A    B     C
aaa  1.0  1.0   NaN
bbb  NaN  NaN  10.0
ccc  3.0  NaN   6.0
ddd  NaN  NaN   NaN
eee  NaN  1.0   NaN