具有不同列和行索引的两个 DataFrame 的联合更新现有值 - Pandas

Question

首先我会举一个我想要得到的结果的例子。我最初有两个 DataFrame，通常具有不同的列索引和行索引，最终具有不同的行数和列数（即使在下面的示例中都是 3x3）：

    Dataframe1 |     Dataframe2
    A   B   C  |      B   D   F
A   x   x   x  |  A   y   y   y
D   x   x   x  |  B   y   y   y
E   x   x   x  |  E   y   y   y

我想要以下结果：

    Result
   A   B   C   D   F
A  x   y   x   y   y
B  -   y   -   y   y
D  x   x   x   -   -
E  x   y   x   y   y

请注意该解决方案具有以下特征：

生成的数据框包含 dataframe1 和 dataframe2
在值重叠的地方，dataframe2 更新 dataframe1（例如，在结果数据框的 [BA] 和 [BE] 位置，在 dataframe1 的相同位置有 x，现在有 y)
在出现缺失值的地方（此处用破折号 - 代替）插入默认值（如 NaN）
索引名称保留在结果中table（但不需要按字母顺序排序）

我的问题是：

是否可以用 pandas 做到这一点？如果是，如何？我尝试了很多不同的方法，但 none 其中 100% 有效，但由于我是 pandas 的新手，我可能不知道正确的方法。
如果 pandas 不是正确或最简单的方法，您是否可以推荐另一种方法（可能使用矩阵、字典等）

谢谢。

Answer 1

试试这个：

data1 = {'A': {'A': 'x', 'D': 'x', 'E': 'x'},
         'B': {'A': 'x', 'D': 'x', 'E': 'x'},
         'C': {'A': 'x', 'D': 'x', 'E': 'x'}}
df1 = pd.DataFrame(data1)
print(df1)
>>>
    A   B   C
A   x   x   x
D   x   x   x
E   x   x   x

data2 = {'B': {'A': 'y', 'B': 'y', 'E': 'y'},
         'D': {'A': 'y', 'B': 'y', 'E': 'y'},
         'F': {'A': 'y', 'B': 'y', 'E': 'y'}}
df2 = pd.DataFrame(data2)
print(df2)
>>>
    B   D   F
A   y   y   y
B   y   y   y
E   y   y   y

res = df1.combine_first(df2)
print(res)
>>>
    A   B   C   D   F
A   x   y   x   y   y
B   NaN y   NaN y   y
D   x   x   x   NaN NaN
E   x   y   x   y   y

Answer 2

试试另一个：

cols = df1.columns.append(df2.columns).unique().sort_values()
idx = df1.index.append(df2.index).unique().sort_values()
res = df1.reindex(index=idx, columns=cols)
res.update(df2)
print(res)
>>>
    A   B   C   D   F
A   x   y   x   y   y
B   NaN y   NaN y   y
D   x   x   x   NaN NaN
E   x   y   x   y   y

具有不同列和行索引的两个 DataFrame 的联合更新现有值 - Pandas

Union of two DataFrames with different column and row indexes updating existing values - Pandas

python

pandas

dataframe

merge

union