pandas.DataFrame.update

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

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

Выравнивание по индексам. Значение не возвращается.

Параметры:	other : DataFrame, or object coercible into a DataFrame Должен содержать хотя бы один совпадающий индекс/метку столбца с исходным DataFrame. Если передается Series, его атрибут name должен быть задан, и он будет использован в качестве имени столбца для выравнивания с исходным DataFrame. join : {‘left’}, default ‘left’ Реализовано только левое соединение, сохраняющее индекс и столбцы исходного объекта. overwrite : bool, default True Как обрабатывать значения, отличные от NaN, для совпадающих ключей: True: перезаписывает значения исходного DataFrame значениями из other. False: обновляет только значения, равные NaN в исходном DataFrame. filter_func : callable(1d-array) -> bool 1d-array, optional Можно выбрать замену значений, отличных от NaN. Возвращает True для значений, которые должны быть обновлены. errors : {‘raise’, ‘ignore’}, default ‘ignore’ Если ‘raise’, вызовет ValueError, если DataFrame и other оба содержат данные, отличные от NaN, в одном и том же месте. Изменено в версии 0.24.0: Изменено с raise_conflict=False|True на errors=’ignore’|’raise’.
Возвращает:	None : method directly changes calling object
Возможные исключения:	ValueError Когда errors=’raise’ и при этом есть перекрывающиеся данные, отличные от NaN. Когда errors не является ни ‘ignore’, ни ‘raise’ NotImplementedError Если join != ‘left’

См. также

dict.update

Аналогичный метод для словарей.

DataFrame.merge

Для операций со столбцами по столбцам.

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 с совпадающими индексами/метками столбцов.

>>> 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 задан.

>>> 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