Python 使用放大设置-更新事务DF
正在寻找在数据帧上实现以下更新的方法:Python 使用放大设置-更新事务DF,python,pandas,dataframe,multiple-columns,insert-update,Python,Pandas,Dataframe,Multiple Columns,Insert Update,正在寻找在数据帧上实现以下更新的方法: dfb是我想用dft事务更新的基本数据帧 任何常用索引行都应使用dft中的值进行更新 仅在dft中的索引应附加到dfb 查看文档,放大设置看起来很完美,但后来我意识到它只适用于一行。是否可以使用放大设置进行此更新,或者是否有其他推荐方法 dfb = pd.DataFrame(data={'A': [11,22,33], 'B': [44,55,66]}, index=[1,2,3]) dfb Out[70]: A B 1 11 44 2
是我想用dfb
事务更新的基本数据帧dft
- 任何常用索引行都应使用
中的值进行更新李>dft
- 仅在
中的索引应附加到dft
dfb
dfb = pd.DataFrame(data={'A': [11,22,33], 'B': [44,55,66]}, index=[1,2,3])
dfb
Out[70]:
A B
1 11 44
2 22 55
3 33 66
dft = pd.DataFrame(data={'A': [0,2,3], 'B': [4,5,6]}, index=[3,4,5])
dft
Out[71]:
A B
3 0 4
4 2 5
5 3 6
# Updated dfb should look like this:
dfb
Out[75]:
A B
1 11 44
2 22 55
3 0 4
4 2 5
5 3 6
您可以通过以下方式使用重命名列、最后将float
列转换为int
:
另一个解决方案是通过在两个数据帧中查找相同的索引,它首先从数据帧dfb
开始,然后使用:
dft = dft.rename(columns={'c':'B', 'B':'A'}).combine_first(dfb).astype(int)
print (dft)
A B
1 11 44
2 22 55
3 0 4
4 2 5
5 3 6
dft = dft.rename(columns={'c':'B', 'B':'A'})
idx = dfb.index.intersection(dft.index)
print (idx)
Int64Index([3], dtype='int64')
dfb = dfb.drop(idx)
print (dfb)
A B
1 11 44
2 22 55
print (pd.concat([dfb, dft]))
A B
1 11 44
2 22 55
3 0 4
4 2 5
5 3 6