关于pandas中的.update()方法解析

update()方法

在Pandas中，update()方法用于将一个DataFrame或Series对象中的值更新为另一个DataFrame或Series对象中的对应值。

这个方法可以用来在原地更新数据，而不需要创建一个新的对象。

update()方法有几个参数，其中最重要的是other参数，它指定了用来更新当前对象的另一个DataFrame或Series对象。

当调用update()方法时，它会将other对象中的值替换当前对象中相应位置的值。

下面是update()方法的基本语法：

 DataFrame.update(other, overwrite=True, filter_func=None, errors='raise')

• other：要用来更新当前对象的另一个DataFrame或Series对象。
• overwrite：一个布尔值，指定是否要覆盖当前对象中的值。默认为True，表示用other对象中的值完全替换当前对象中的值；如果设置为False，则只会替换NaN值。
• filter_func：一个可调用对象，用于筛选要更新的值。只有返回True的值才会被更新。
• errors：指定处理错误的方式。默认为’raise’，表示如果更新过程中出现错误，将引发异常；如果设置为’ignore’，则会忽略错误并继续执行。

需要注意的是，update()方法会就地修改当前对象，而不会返回一个新的对象。这与许多Pandas方法的行为不同，因为它们通常会返回一个新的对象。因此在使用update()方法之前，请确保对数据进行了适当的备份或者确保没有破坏原始数据的需求。

让我们从需要更新开始，我们的数据如下：

我们想要将下面的数据匹配到原始数据上：

如果直接使用，看看结果是什么：

 df.update(df1)
 df

所有单元格都将被替换，除非我们的新DF有空，update()方法内联地改变了原始的数据，而不是创建副本。

overwrite参数

除了空值所有单元格都被替换了，这时因为.update()只是假设新数据更相关。如果只想替换缺失的值，请可以设置参数’ overwrite = False ’

 df.update(df1,overwrite=False)
 df

filter_func参数

也可以通过使用’ filter_func '参数来更新除null以外的单元格。例如只替换偶数的值。

 df.update(df1,filter_func=lambda x : x%2==0)
 df

可以看到只更新了符合判断条件的值。update()方法可以方便的将一个DataFrame或Series对象中的值更新为另一个DataFrame或Series对象中的对应值，但是我们却很少用到它。所以在处理缺失或者过期数据更新时，pandas中的update方法是一个很有用的工具。但是需要注意的是，在使用update()方法之前，需要对数据进行了适当的备份或者确保没有破坏原始数据的需求，因为他会直接修改我们的DF。

到此这篇关于关于pandas中的.update()方法解析的文章就介绍到这了,更多相关pandas的.update()方法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论