a = Series([np.nan,2.5,np.nan,3.5,4.5,np.nan], index=['f','e','d','c','b','a']) b = Series(np.arange(len(a),dtype=np.float64), index=['f','e','d','c','b','a']) b[-1] = np.nan a b np.where(pd.isnull(a),b,a) # 两个数据集进行合并,(索引或者是部分重叠) b[:-2].combine_first(a[2:]) # 和上面实现同一个功能但是会进行自动的数据对齐 df1 = DataFrame({'a':[1,np.nan,5,np.nan], 'b':[np.nan,2,np.nan,6], 'c':range(2,18,4)}) df2 = DataFrame({'a':[5,4,np.nan,3,7], 'b':[np.nan,3,4,6,8]}) df1.combine_first(df2) # 重塑和轴向旋转 data = DataFrame(np.arange(6).reshape((2,3)), index=pd.Index(['Ohio','Colorado'],name = 'state'),
利用Python数据分析:数据规整化(三)
最新推荐文章于 2020-12-03 23:11:13 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)