时间戳

首页 > 解决方案 > 熊猫中的“放大设置”行为

python - 熊猫中的“放大设置”行为

问题描述

你能帮我理解以下内容吗？

df1是按日期索引的数据框。 df2是另一个按日期索引的数据框，但df1只有df2一个共同日期，2018-12-31. 请参阅以下输出：

df1 = pd.DataFrame({'A':[1,2,3]}, index = pd.to_datetime(["2018-12-31","2019-12-31","2020-12-31"]))
df2 = pd.DataFrame({'XX':[700,800]}, index = pd.to_datetime(["2016-12-31","2018-12-31"]))
df1['BB'] = df2['XX']

            A   BB
2018-12-31  1   800.0
2019-12-31  2   NaN
2020-12-31  3   NaN

我意识到这是可行的，即使df1['BB'] = df2['XX'].

这是更复杂表达式的缩写吗？由于结果保留了 df1 中的所有行，但没有扩展索引以包含 df2 中的行。这个操作像“ left merge”（“左连接”）吗？它是否会包含df1's和df2's索引的并集，并适当地填充 NaN？

我正在使用熊猫版本 1.2.5

标签： pythonpandas

解决方案

放大设置是__set_item__执行以下操作时调用的一部分：

df['col'] = someSeries

在这种情况下，_set_item调用用于“将系列添加到指定列中的 DataFrame”的函数。

由于 DataFrame 被索引，并且其中包含的所有 Series 也以相同的方式索引，因此新 Series 必须匹配它要添加到的 DataFrame 索引。

该_sanitize_column功能确保列是兼容的。在这种情况下，Series.reindex需要进行兼容性操作（索引对齐）。这发生在_reindex_for_setitem.

所以在回答问题时

“这是更复杂表达式的缩写吗？”

是的，解决的表达式是：

df1['BB'] = df2['XX'].reindex(df1.index)._values

这个操作像“左合并”（“左连接”）吗？

是的。该操作类似于“左合并”（实际上），因为结果 Series 将包含所有键，df1因为 Series 被重新索引为 match df1。

在此特定示例中，join产生完全相同的结果：

df1 = df1.join(df2.rename(columns={'XX': 'BB'}))

它是否会包含 df1 和 df2 索引的联合，并适当地填充 NaN？

不，它只会包含要添加到的 DataFrame 中的索引。

推荐阅读