pandas.merge_ordered

pandas.merge_ordered(left, right, on=None, left_on=None, right_on=None, left_by=None, right_by=None, fill_method=None, suffixes=('_x', '_y'), how='outer') [source]

Выполнить слияние с необязательной заливкой/интерполяцией, предназначенное для упорядоченных данных, таких как временные ряды. Необязательно выполнить слияние по группам (см. примеры)

Параметры:

left : DataFrame right : DataFrame on : label or list Имена полей для объединения. Должны присутствовать в обоих DataFrame. left_on : label or list, or array-like Имена полей для объединения в левом DataFrame. Может быть вектором или списком векторов длины DataFrame для использования конкретного вектора в качестве ключа объединения вместо столбцов right_on : label or list, or array-like Имена полей для объединения в правом DataFrame или вектор/список векторов по документации left_on left_by : column name or list of column names Группировать левый DataFrame по столбцам группы и объединять по частям с правым DataFrame right_by : column name or list of column names Группировать правый DataFrame по столбцам группы и объединять по частям с левым DataFrame fill_method : {‘ffill’, None}, default None Метод интерполяции для данных suffixes : 2-length sequence (tuple, list, …) Суффикс, применяемый к совпадающим именам столбцов в левой и правой части соответственно how : {‘left’, ‘right’, ‘outer’, ‘inner’}, default ‘outer’ left: использовать только ключи из левой таблицы (SQL: левое внешнее соединение) right: использовать только ключи из правой таблицы (SQL: правое внешнее соединение) outer: использовать объединение ключей из обеих таблиц (SQL: полное внешнее соединение) inner: использовать пересечение ключей из обеих таблиц (SQL: внутреннее соединение) Введено в версии 0.19.0.

Возвращает:

merged : DataFrame Тип результата будет таким же, как у ‘left’, если это подкласс DataFrame.

См. также

merge, merge_asof

Примеры

>>> A                      >>> B
      key  lvalue group        key  rvalue
0   a       1     a        0     b       1
1   c       2     a        1     c       2
2   e       3     a        2     d       3
3   a       1     b
4   c       2     b
5   e       3     b

>>> merge_ordered(A, B, fill_method='ffill', left_by='group')
  group key  lvalue  rvalue
0     a   a       1     NaN
1     a   b       1     1.0
2     a   c       2     2.0
3     a   d       2     3.0
4     a   e       3     3.0
5     b   a       1     NaN
6     b   b       1     1.0
7     b   c       2     2.0
8     b   d       2     3.0
9     b   e       3     3.0