使用另一个数据帧更新pandas列而不覆盖现有数据

Question

过去一小时一直困扰着这一点，并且无法在这里找到适用的帖子..

假设有一个数据帧：

sample_id | value
0            NAN
1            NAN
2            NAN
3            NAN
...
19990        NAN

我有许多其他数据帧，它们是上面非常小的子集。例如：

sample_id | value
0            2
1            4

和

sample_id | value
194            2
200            4

如何使用第二个数据框更新第一个数据框中的值，但保持其他所有内容不变？使用map（）会覆盖这些值，以便后续更新删除以前写入的值..

预期结果：

df = df。（df2） df = df。（df3）

最终df：

sample_id | value
0            2
1            4
..            
194          2
200          4
..
19990        NAN

我知道我可以使用循环，但我确信这是一个更快的解决方案，即将在我看来没有想到的边缘......

谢谢！ ：）

Answer 1

使用combine_first

df = pd.DataFrame({'Sample_id':pd.np.arange(0,10000),'value':pd.np.nan})

df1 = pd.DataFrame({'Sample_id':[3,4],'value':[2,4]})

df.set_index('Sample_id', inplace=True)

df1.set_index('Sample_id', inplace=True)

df_out = df1.combine_first(df)
print(df_out.head(10)

输出：

           value
Sample_id       
0            NaN
1            NaN
2            NaN
3            2.0
4            4.0
5            NaN
6            NaN
7            NaN
8            NaN
9            NaN