DataFrame.align(other,?join='outer',?axis=None,?level=None,?copy=True,?fill_value=None,?method=None,?limit=None,?fill_axis=0,?broadcast_axis=None)源代碼

使用指定的每個軸索引的連接方法，將軸上的兩個對象對齊。

參數:other?:?DataFrame 或 Series

join?:?{‘outer’, ‘inner’, ‘left’, ‘right’}, 默認 ‘outer’

axis?:?允許另一個對象的axis, 默認 None

對齊 index (0), columns (1), 或 both (None)

level:?int 或 level name, 默認 None

跨level廣播，匹配傳遞的多索引level上的索引值

copy:?boolean, 默認 True

始終返回新對象。如果copy = False并且不需要重建索引，

則返回原始對象。

fill_value?:?scalar, 默認 np.NaN

用于缺失值的值。默認為NaN，但可以是任何“兼容”值。

method?:?{‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, 默認 None

用于reindexed Series pad的填充孔的方法/ffill：

將最后有效觀察向前傳播到下一個有效backfill / bfill：

使用NEXT有效觀察來填補空白

limit?:int, 默認 None

如果指定了method，則這是向前/向后填充的連續NaN值的最大數量。

換句話說，如果存在超過此數量的連續NaN的間隙，

則僅部分填充。如果未指定method，

則這是沿整個軸填充NaN的最大條目數。

如果不是None，則必須大于0。

fill_axis?:?{0 or ‘index’, 1 or ‘columns’}, 默認 0

Filling axis, method 或 limit

broadcast_axis?:?{0 或 ‘index’, 1 或 ‘columns’}, 默認 None

如果對齊兩個不同尺寸的對象，則沿此axis廣播值

返回:(left, right):?(DataFrame,其他類型)

對齊的對象

例如，df1 = pd.DataFrame([[1,2,3,4], [6,7,8,9]], columns=['D', 'B', 'E', 'A'], index=[1,2])

df2 = pd.DataFrame([[10,20,30,40], [60,70,80,90], [600,700,800,900]], columns=['A', 'B', 'C', 'D'], index=[2,3,4])

print(df1)

D B E A

1 1 2 3 4

2 6 7 8 9

print(df2)

A B C D

2 10 20 30 40

3 60 70 80 90

4 600 700 800 900

對齊這兩個DataFrame，按列對齊(align=1)，并對列標簽執行外部連接(join='outer'):a1, a2 = df1.align(df2, join='outer', axis=1)

print(a1)

print(a2)

A B C D E

1 4 2 NaN 1 3

2 9 7 NaN 6 8

A B C D E

2 10 20 30 40 NaN

3 60 70 80 90 NaN

4 600 700 800 900 NaN

參數改為join='outer'和axis=Nonea1, a2 = df1.align(df2, join='right', axis=None)

print(a1)

print(a2)

A B C D

2 9.0 7.0 NaN 6.0

3 NaN NaN NaN NaN

4 NaN NaN NaN NaN

A B C D

2 10 20 30 40

3 60 70 80 90

4 600 700 800 900

參數改為join='inner'和axis=1a1, a2 = df1.align(df2, join='inner', axis=1)

print(a1)

print(a2)

D B A

1 1 2 4

2 6 7 9

D B A

2 40 20 10

3 90 70 60

4 900 700 600

總結

以上是生活随笔為你收集整理的python中align_Python pandas.DataFrame.align函数方法的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。