结合/拼接熊猫数据帧与条件

Question

我有两个熊猫数据框， A和B 。
数据框具有相同的索引和列，只是数据不同。 我有一个额外的数组X ，它是索引的子集。

我想要实现的是：生成的矩阵C也具有与A和B相同的索引和列。 对于它的数据，如果索引在X 中，它从数据帧A中获取行条目，否则它从B 中获取行条目。

我认为会有一种 pythonic 方式来实现这一点，但它们无法编译。 例如，我使用A的索引创建了一个C数据框，然后尝试了以下操作：

C = C.apply(lambda i: A.ix[i.index] if i in X else B.ix[i.index])

目前我有一些工作，我基本上用数学方法解决了它。 所以我创建了两个基于X 的布尔数组来分别指定我想要A和B 的哪些条目。 然后我将A和B乘以这些矩阵，然后执行C = A + B 。 这似乎很长篇幅才能实现解决方案。 我追求的是更短、更易读的东西。 我目前的解决方案如下：

def testIn(row):
    return [x in X for x in row.index]
def testOut(row):
    return [x not in X for x in row.index]

AMAP = C.apply(testIn, axis=0)
BMAP = C.apply(testOut, axis=0)

ANEW = pandas.DataFrame(AMAP*A)
BNEW = pandas.DataFrame(BMAP*B)

C = ANEW + BNEW

Answer 1

做这样的事情：

C = A.copy()
C.update(B.iloc[X])

您基本上是获取其中一个数据帧的副本，并更新根据匹配索引过滤的另一个数据帧中的记录。

如果要将 A 的完整副本保留到 C 中，则可以针对 X 对 A 和 B 进行分区：

C = A[~A.index.isin(X)]
C = C.append(B.iloc[X]).reindex(A.index)

Answer 2

考虑以下数据

B = pd.DataFrame(np.zeros((6, 6)), list('ABCDEF'), list('abcdef'))
A = pd.DataFrame(np.ones((6, 6)), B.index, B.columns)
x = ['A', 'D']

pd.DataFrame.combine_first从第一个数据帧中获取值并补充第二个。 但是在列表x使用loc ，我将A限制为我想要的行并组合B的其余部分。

C = A.loc[x].combine_first(B)

print(C)

     a    b    c    d    e    f
A  1.0  1.0  1.0  1.0  1.0  1.0
B  0.0  0.0  0.0  0.0  0.0  0.0
C  0.0  0.0  0.0  0.0  0.0  0.0
D  1.0  1.0  1.0  1.0  1.0  1.0
E  0.0  0.0  0.0  0.0  0.0  0.0
F  0.0  0.0  0.0  0.0  0.0  0.0

其他选择

A.query('index in @x').combine_first(B)

---

B.drop(x).append(A.loc[x]).reindex_like(A)

---