合併資料幀以根據匹配列追加缺失值
在給定的場景中，目標是合併兩個資料幀df1 和df2，基於名稱列。然而，期望的輸出是保留 df1 中的信息並用 NaN 填充 df2 中的缺失值。結果應如下所示：
Name Age Sex 0 Tom 34 M 1 Sara 18 NaN 2 Eva 44 F 3 Jack 27 M 4 Laura 30 NaN
方法1：使用由set_index 建立的系列映射
此方法涉及透過設定名稱列從df2 建立系列作為索引。然後，使用map()方法匹配並填充df1中的Sex值。
<code class="python">df1['Sex'] = df1['Name'].map(df2.set_index('Name')['Sex'])
print(df1)</code>方法2：使用Left Join合併的替代解決方案
An替代方案是使用左連接方法合併 df1 和 df2。這可確保保留 df1 中的所有行，並使用 NaN 填入 df2 中的缺失值。
<code class="python">df = df1.merge(df2[['Name', 'Sex']], on='Name', how='left') print(df)</code>
方法3：使用左連接合併進行多列映射
如果需要合併多列（例如名稱和年份、代碼），請使用左連接合併，並指定所需的列。
<code class="python"># Merge by all columns df = df1.merge(df2, on=['Year', 'Code'], how='left') # Merge by specified columns df = df1.merge(df2[['Year', 'Code', 'Val']], on=['Year', 'Code'], how='left')</code>
處理重複鍵的錯誤
在某些情況下，可能存在重複的 Name 值，導致錯誤。若要解決此問題，請考慮刪除重複項或使用基於字典的對應來確保選擇最後一個符合值。
<code class="python"># Remove duplicates and create a Series for mapping
s = df2.drop_duplicates('Name').set_index('Name')['Val']
df1['New'] = df1['Name'].map(s)</code>透過使用這些方法中的任何一種，您可以有效地合併資料幀，保留來自主資料幀的資訊資料框並用 NaN 填充缺失值。
以上是如何合併資料框以根據匹配列追加缺失值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
