結合/拼接熊貓數據幀與條件

Question

我有兩個熊貓數據框， A和B 。
數據框具有相同的索引和列，只是數據不同。 我有一個額外的數組X ，它是索引的子集。

我想要實現的是：生成的矩陣C也具有與A和B相同的索引和列。 對於它的數據，如果索引在X 中，它從數據幀A中獲取行條目，否則它從B 中獲取行條目。

我認為會有一種 pythonic 方式來實現這一點，但它們無法編譯。 例如，我使用A的索引創建了一個C數據框，然后嘗試了以下操作：

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，我基本上用數學方法解決了它。 所以我創建了兩個基於X 的布爾數組來分別指定我想要A和B 的哪些條目。 然后我將A和B乘以這些矩陣，然后執行C = A + B 。 這似乎很長篇幅才能實現解決方案。 我追求的是更短、更易讀的東西。 我目前的解決方案如下：

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

做這樣的事情：

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

您基本上是獲取其中一個數據幀的副本，並更新根據匹配索引過濾的另一個數據幀中的記錄。

如果要將 A 的完整副本保留到 C 中，則可以針對 X 對 A 和 B 進行分區：

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

Answer 2

考慮以下數據

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從第一個數據幀中獲取值並補充第二個。 但是在列表x使用loc ，我將A限制為我想要的行並組合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

其他選擇

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

---

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

---