[英]NaNs when subtracting dataframes pandas
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。
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
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.