我有两个熊猫数据框，我想将它们合并在一起，但是不像在示例中看到的那样。我有一组“旧”数据和一组“新”数据，它们对于两个形状相同且具有相同列名的数据框。我进行了一些分析，确定需要创建第三个数据集，其中一些来自“旧”数据列，一些来自“新”数据列。例如，假设我有以下两个数据集：
df_old = pd.DataFrame(np.zeros([5,5]),columns=list('ABCDE'))
df_new = pd.DataFrame(np.ones([5,5]),columns=list('ABCDE'))
简单来说就是：
A B C D E
0 0.0 0.0 0.0 0.0 0.0
1 0.0 0.0 0.0 0.0 0.0
2 0.0 0.0 0.0 0.0 0.0
3 0.0 0.0 0.0 0.0 0.0
4 0.0 0.0 0.0 0.0 0.0
和
A B C D E
0 1.0 1.0 1.0 1.0 1.0
1 1.0 1.0 1.0 1.0 1.0
2 1.0 1.0 1.0 1.0 1.0
3 1.0 1.0 1.0 1.0 1.0
4 1.0 1.0 1.0 1.0 1.0
我进行了一些分析，发现我想替换列B和D。我可以像这样循环执行：
replace = dict(A=False,B=True,C=False,D=True,E=False)
df = pd.DataFrame({})
for k,v in sorted(replace.items()):
df[k] = df_new[k] if v else df_old[k]
这给了我我想要的数据：
A B C D E
0 0.0 1.0 0.0 1.0 0.0
1 0.0 1.0 0.0 1.0 0.0
2 0.0 1.0 0.0 1.0 0.0
3 0.0 1.0 0.0 1.0 0.0
4 0.0 1.0 0.0 1.0 0.0
但是，老实说，这似乎有些笨拙，而且我想有一种更好的方法可以使用熊猫来做到这一点。另外，我想保留列的顺序，而不是像本示例数据集那样按字母顺序排列，因此对字典进行排序可能不是走的路，尽管我可以从数据集中提取列名称，如果需要。
是否有更好的方法使用某些Pandas合并功能来做到这一点？
一个真正的基本方法就是过滤布尔值字典，然后直接分配。
to_rep = [k for k in replace if replace[k]]
df_old[to_rep] = df_new[to_rep]
如果您想保留旧的DataFrame，则可以使用 assign()
df_old.assign(**{k: df_new[k] for k in replace if replace[k]})
正如尼克（Nickil）提到的那样，assign()显然在我们传递命令时并没有保留论据顺序。但是，可以预见，它将按字母顺序将分配的列插入DataFrame的末尾。
演示版
>>> df_old.assign(**{k: df_new[k] for k in replace if replace[k]})
A B C D E
0 0.0 1.0 0.0 1.0 0.0
1 0.0 1.0 0.0 1.0 0.0
2 0.0 1.0 0.0 1.0 0.0
3 0.0 1.0 0.0 1.0 0.0
4 0.0 1.0 0.0 1.0 0.0
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句