减去数据帧pandas时的NaNs

Question

我有两个数据帧，只有一些重叠的索引和列。

old = pd.DataFrame(index = ['A', 'B', 'C'],
                   columns = ['k', 'l', 'm'],
                   data = abs(np.floor(np.random.rand(3, 3)*10)))

new = pd.DataFrame(index = ['A', 'B', 'C', 'D'],
                   columns = ['k', 'l', 'm', 'n'],
                   data = abs(np.floor(np.random.rand(4, 4)*10)))

我想计算它们之间的差异并尝试过

delta = new - old

这会给索引和列不匹配的大量NaN。 我想将索引和列的abscence视为零，（old ['n'，'D'] = 0）。 旧的永远是新的子空间。

有任何想法吗？

编辑：我想我没有彻底解释它。 我不想用零填充delta数据帧。 我想把旧的缺失索引和列视为零。 然后我会在delta ['n'，'D']中以delta而不是NaN获得值。

Answer 1

使用带fill_value=0 sub ：

In [15]:
old = pd.DataFrame(index = ['A', 'B', 'C'],
                   columns = ['k', 'l', 'm'],
                   data = abs(np.floor(np.random.rand(3, 3)*10)))
​
new = pd.DataFrame(index = ['A', 'B', 'C', 'D'],
                   columns = ['k', 'l', 'm', 'n'],
                   data = abs(np.floor(np.random.rand(4, 4)*10)))
delta = new.sub(old, fill_value=0)
delta

Out[15]:
   k  l  m  n
A  0  3 -9  7
B  0 -2  1  8
C -4  1  1  7
D  8  6  0  6