pandas.DataFrame.update

DataFrame.update(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, или объект, преобразуемый в DataFrame

Должен иметь хотя бы одну совпадающую метку индекса/колонки с исходным DataFrame. Если передаётся Series, то атрибут имени (name) должен быть установлен, и он будет использован 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 NaN, для совпадающих ключей:

• True: перезаписывает значения исходного DataFrame значениями из other.

• False: обновляются только значения, равные NaN в исходном DataFrame.

filter_func:callable(1d-array) -> bool 1d-array, необязательно

Возможность выбора замены значений, отличных от NaN. Возвращает True для значений, которые должны быть обновлены.

errors:{‘raise’, ‘ignore’}, по умолчанию ‘ignore’

Если ‘raise’, будет вызвано исключение ValueError, если DataFrame и other оба содержат данные, отличные от NaN, в одном и том же месте.

Возвращает:

None

Этот метод непосредственно изменяет вызываемый объект.

Исключения:

ValueError

• Когда errors=’raise’ и существуют совпадающие данные, отличные от NaN.

• Когда errors не равно ‘ignore’ или ‘raise’

NotImplementedError

• Если join != ‘left’

См. также

dict.update

Аналогичный метод для словарей.

DataFrame.merge

Для операций по колонкам.

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 меткам индекса/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

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

Для Series, атрибут имени (name) должен быть установлен.

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

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