pandas.DataFrame.update#

DataFrame.update(other, join='left', overwrite=True, filter_func=None, errors='ignore')[源码]#

使用来自另一个 DataFrame 的非 NA 值就地修改。

根据索引对齐。无返回值。

参数:
otherDataFrame，或可强制转换为 DataFrame 的对象

应至少有一个与原始 DataFrame 匹配的索引/列标签。如果传递 Series，则必须设置其 name 属性，该属性将用作与原始 DataFrame 对齐的列名。

join{‘left’}, 默认 ‘left’

仅实现了 left join，保留原始对象的索引和列。

overwritebool, 默认 True

如何处理重叠键的非 NA 值

  • True: 使用 other 中的值覆盖原始 DataFrame 的值。

  • False: 仅更新原始 DataFrame 中为 NA 的值。

filter_funccallable(1d-array) -> bool 1d-array, 可选

可以选择替换除 NA 之外的值。对于应更新的值返回 True。

errors{‘raise’, ‘ignore’}, 默认 ‘ignore’

如果为 ‘raise’，则当 DataFrame 和 other 在同一位置都包含非 NA 数据时，将引发 ValueError。

返回:
None

此方法直接修改调用对象。

引发:
ValueError

  • 当 errors=’raise’ 且存在重叠的非 NA 数据时。

  • 当 errors 既不是 ‘ignore’ 也不是 ‘raise’ 时。

NotImplementedError

  • 如果 join != ‘left’

另请参阅

dict.update

字典的类似方法。

DataFrame.merge

用于列（多列）到列（多列）的操作。

注意

  1. other 上的重复索引不支持，会引发 ValueError。

示例

>>> df = pd.DataFrame({"A": [1, 2, 3], "B": [400, 500, 600]})
>>> new_df = pd.DataFrame({"B": [4, 5, 6], "C": [7, 8, 9]})
>>> df.update(new_df)
>>> df
   A  B
0  1  4
1  2  5
2  3  6

更新操作不会增加 DataFrame 的长度，只会更新匹配的索引/列标签上的值。

>>> df = pd.DataFrame({"A": ["a", "b", "c"], "B": ["x", "y", "z"]})
>>> new_df = pd.DataFrame({"B": ["d", "e", "f", "g", "h", "i"]})
>>> df.update(new_df)
>>> df
   A  B
0  a  d
1  b  e
2  c  f

>>> df = pd.DataFrame({"A": ["a", "b", "c"], "B": ["x", "y", "z"]})
>>> new_df = pd.DataFrame({"B": ["d", "f"]}, index=[0, 2])
>>> df.update(new_df)
>>> df
   A  B
0  a  d
1  b  y
2  c  f

对于 Series，必须设置其 name 属性。

>>> df = pd.DataFrame({"A": ["a", "b", "c"], "B": ["x", "y", "z"]})
>>> new_column = pd.Series(["d", "e", "f"], name="B")
>>> df.update(new_column)
>>> df
   A  B
0  a  d
1  b  e
2  c  f

如果 other 包含 NaN，则原始 DataFrame 中的相应值不会被更新。

>>> df = pd.DataFrame({"A": [1, 2, 3], "B": [400.0, 500.0, 600.0]})
>>> new_df = pd.DataFrame({"B": [4, np.nan, 6]})
>>> df.update(new_df)
>>> df
   A      B
0  1    4.0
1  2  500.0
2  3    6.0
本页内容