align()函数的详细用法

在Pandas中，align()函数用于将两个对象按照指定的轴对齐。它返回一个元组，包含两个对齐后的对象。对齐是通过重新索引来完成的，使得两个对象在指定的轴上具有相同的索引。

align()函数的语法如下：

aligned_obj1, aligned_obj2 = obj1.align(obj2, join='outer', axis=None, fill_value=None)

参数说明：

• obj1：要对齐的第一个对象。
• obj2：要对齐的第二个对象。
• join：指定对齐时使用的连接方式，默认为’outer’，表示使用并集连接。其他可选值有’inner’、‘left’和’right’。
• axis：指定对齐的轴，默认为None，表示在所有轴上进行对齐。
• fill_value：指定在对齐过程中缺失值的填充值。

下面是一个示例：

import pandas as pd

# 创建两个Series对象
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

# 对齐两个Series对象
aligned_s1, aligned_s2 = s1.align(s2)

print(aligned_s1)
print(aligned_s2)

输出结果：

a    1.0
b    2.0
c    3.0
d    NaN
dtype: float64
b    4.0
c    5.0
d    6.0
dtype: float64

在这个示例中，我们创建了两个Series对象S1和S2，它们具有部分相同的索引。通过调用align()函数，我们将这两个对象按照索引对齐，得到了aligned_s1和aligned_s2两个对齐后的Series对象。在对齐的过程中，缺失的值用NaN填充。
align()函数中的join参数用于指定对齐时使用的连接方式。下面是一些使用不同连接方式的示例：

使用’outer’连接方式：

import pandas as pd

s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

aligned_s1, aligned_s2 = s1.align(s2, join='outer')

输出结果：

a    1.0
b    2.0
c    3.0
d    NaN
dtype: float64

b    2.0
c    3.0
d    4.0
dtype: float64

使用’outer’连接方式时，会将两个Series对象的索引进行并集操作，缺失的值用NaN填充。

使用’inner’连接方式：

import pandas as pd

s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

aligned_s1, aligned_s2 = s1.align(s2, join='inner')

输出结果：

b    2
c    3
dtype: int64

b    4
c    5
dtype: int64

使用’inner’连接方式时，会将两个Series对象的索引进行交集操作，只保留交集部分。

使用’left’连接方式：

import pandas as pd

s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

aligned_s1, aligned_s2 = s1.align(s2, join='left')

输出结果：

a    1
b    2
c    3
dtype: int64

b    4
c    5
dtype: int64

使用’left’连接方式时，会将第一个Series对象的索引作为基准，保留基准索引的所有值，缺失的值用NaN填充。

使用’right’连接方式：

import pandas as pd

s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

aligned_s1, aligned_s2 = s1.align(s2, join='right')

输出结果：

b    2.0
c    3.0
d    NaN
dtype: float64

b    4
c    5
d    6
dtype: int64

使用’right’连接方式时，会将第二个Series对象的索引作为基准，保留基准索引的所有值，缺失的值用NaN填充。

通过指定不同的连接方式，可以实现不同的对齐操作，灵活处理数据中的缺失值。