如何从另一个DataFrame填充DataFrame，添加行并替换null

Question

我有两个具有重叠列和索引的pandas.DataFrame，如

X = pandas.DataFrame({"A": ["A0", "A1", "A2"], "B": ["B0", None, "B2"]},
index=[0, 1, 2])
Y = pandas.DataFrame({"A": [V, "A3"], "B": ["B1", "B3"], "C": ["C1", "C3"]},
index=[1, 3])

我想用Y中的值来扩展X，只要数据丢失，就保持相同的列。那是

1. 如果是V=="A1"或pandas.isnull(V)，我想获得

   >>> X.fill_from(Y)
   A     B
   0  A0    B0
   1  A1    B1
   2  A2    B2
   3  A3    B3
   

   值B1是从Y填充的，因为上一个值None在panda中是空值。添加了行3，因为该行中的所有值都没有在X中给定，因为X没有这样的行。

2. 如果是V!="A1"，我想得到一个关于数据帧包含不兼容数据这一事实的异常。

如果我确定我的数据没有丢失的数据，pandas.concat((X, Y), join_axes=[X.columns])会进行扩展，DataFrame.index.get_duplicates()会告诉我是否存在不匹配的行。

最困难的部分是确保丢失的数据不会被视为与当前数据不同，而是可以被填充，如果不迭代get_duplicates()中的每一个可能的对并手动复制数据，我看不出如何做到这一点。

这个标题相似的问题实际上并不相关。与其他问题一样，使用X[X.isnull()] = Y不适用于get_duplicates()错误匹配检查。

Answer 1

combine_first方法是成功的一半，这要归功于@IanS的指出。

>>> X.combine_first(Y)[list(X.columns)]
A   B
0  A0  B0
1  A1  B1
2  A2  B2
3  A3  B3

现在，如果V很好，当combine_first朝另一个方向时，我们应该得到相同的结果，否则我们会得到不同的结果。因为NaN的比较不好，所以整个功能是

def combine_first_if_matching(X, Y):
filled = X.combine_first(Y)[list(X.columns)]
reverse_filled = Y.combine_first(X)[list(X.columns)]
if ((filled == reverse_filled) | (filled.isnull())).all().all():
return filled
else:
raise ValueError("Overlap of data frames did not match")