pandas.DataFrame.update

DataFrame.update(other, join='left', overwrite=True, filter_func=None, raise_conflict=False) [source]

Изменение на месте с использованием значений, отличных от NA, из другого DataFrame.

Выравнивание по индексам. Значение возврата отсутствует.

Параметры:

other : DataFrame или объект, преобразуемый в DataFrame Должен иметь хотя бы один совпадающий индекс/имя колонки с исходным DataFrame. Если передаётся Series, атрибут name должен быть установлен, и он будет использоваться в качестве имени колонки для выравнивания с исходным DataFrame. join : {‘left’}, по умолчанию ‘left’ Реализовано только левое соединение, сохраняя индекс и колонки исходного объекта. overwrite : bool, по умолчанию True Как обрабатывать значения, отличные от NA, для совпадающих ключей: True: перезаписывает значения исходного DataFrame значениями из other. False: обновляет только значения, которые являются NA в исходном DataFrame. filter_func : callable(1d-array) -> boolean 1d-array, необязательно Можно выбрать замену значений, отличных от NA. Возвращает True для значений, которые должны быть обновлены. raise_conflict : bool, по умолчанию False Если True, будет вызвано исключение ValueError, если DataFrame и other оба содержат данные, отличные от NA, в одном и том же месте.

Исключения:

ValueError Когда raise_conflict равно True и существуют совпадающие данные, отличные от NA.

См. также

dict.update

Аналогичный метод для словарей.

DataFrame.merge

Для операций с колонкой(ками) на колонке(ках).

Примеры

>>> 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

Длина DataFrame не увеличивается в результате обновления, обновляются только значения по совпадающим индексу/имени колонки.

>>> 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

Для Series, атрибут name должен быть установлен.

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

Если other содержит NaN, соответствующие значения не обновляются в исходном DataFrame.

>>> df = pd.DataFrame({'A': [1, 2, 3],
...                    'B': [400, 500, 600]})
>>> 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