Merge Pandas Dataframe：如何添加列和替换值

Question

我有一个数据框 df1 并想合并其他（许多）数据框 df2 以便：

合并发生在匹配的（多个）索引上
如果缺失则创建新列
如果列已存在，则替换值

正确的 pandas 操作是什么？使用什么参数？我调查了 concat/join/merge/assign/append 但还没有找到它。

数据帧代码：

df1 = pd.DataFrame({'A':['A1', 'A2', 'A3', 'A4'],
                    'B':['B1', 'B2' ,'B3', 'B4'],
                    'C':['C1' ,'C2', 'C3', 'C4']},
                  index = [1,2,3,4])

df2 = pd.DataFrame({'C':['NewC'], 'D':['NewD']},
                  index=[3])

Answer 1

一种方法是使用 combine_first:

df2.combine_first(df1)

输出：

    A   B     C     D
1  A1  B1    C1   NaN
2  A2  B2    C2   NaN
3  A3  B3  NewC  NewD
4  A4  B4    C4   NaN

另一种方法是使用 join 和 fillna:

df1[['A','B']].join(df2).fillna(df1)

输出：

    A   B     C     D
1  A1  B1    C1   NaN
2  A2  B2    C2   NaN
3  A3  B3  NewC  NewD
4  A4  B4    C4   NaN

第三种方式，

df1a = df1.reindex(df1.columns.union(df2.columns), axis=1)
df1a.update(df2)
df1a

时间安排：

%%timeit pd.concat((df1,df2),sort=False).groupby(level=0).last()

4.56 ms ± 947 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%%timeit 
df1a = df1.reindex(df1.columns.union(df2.columns), axis=1)  
df1a.update(df2)
df1a

2.93 ms ± 133 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df1[['A','B']].join(df2).fillna(df1)

5.2 ms ± 89.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df2.combine_first(df1)

5.37 ms ± 127 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 2

首先合并是这里的正确方法，另一种选择是连接并从组 level=0（索引）中获取最后一个：

pd.concat((df1,df2),sort=False).groupby(level=0).last()

或 df.assign

df1.assign(**df2).fillna(df1)

    A   B     C     D
1  A1  B1    C1   NaN
2  A2  B2    C2   NaN
3  A3  B3  NewC  NewD
4  A4  B4    C4   NaN

Merge Pandas Dataframe：如何添加列和替换值

Merge Pandas Dataframe: how to add columns and replace values

pandas

join

merge

concat

时间安排：