pandas.DataFrame.align #

数据框。对齐（其他，加入= '外部'，轴=无，级别=无，复制=无，填充值=无，方法= _NoDefault.no_default，限制= _NoDefault.no_default，填充轴= _NoDefault.no_default，广播轴= _NoDefault.no_default）[来源]＃

使用指定的连接方法将两个对象在其轴上对齐。

为每个轴索引指定连接方法。

参数：

其他数据框或系列

join {'outer', 'inner', 'left', 'right'}, 默认 'outer'

要执行的对齐类型。

左：仅使用左帧中的关键点，保留关键点顺序。
右：仅使用右帧中的关键点，保留关键点顺序。
外部：使用两个帧中的键的并集，按字典顺序对键进行排序。
内部：使用两个帧中关键点的交集，保留左侧关键点的顺序。

axis允许其他对象的轴，默认 None

在索引 (0)、列 (1) 或两者上对齐（无）。

level int 或级别名称，默认 None

跨级别广播，匹配传递的多索引级别上的索引值。

复制布尔值，默认 True

总是返回新对象。如果 copy=False 并且不需要重新索引，则返回原始对象。

笔记

copy关键字将改变 pandas 3.0 中的行为。默认情况下会启用Copy-on-Write ，这意味着所有带有 copy关键字的方法都将使用惰性复制机制来推迟复制并忽略copy关键字。 copy关键字将在 pandas 的未来版本中删除。

您已经可以通过启用写入时复制来获得未来的行为和改进pd.options.mode.copy_on_write = True

fill_value标量，默认 np.nan

用于缺失值的值。默认为 NaN，但可以是任何“兼容”值。

方法{'backfill', 'bfill', 'pad', 'ffill', None}, 默认 None

用于填充重新索引系列中的孔的方法：

pad / fill：将最后一个有效观察向前传播到下一个有效观察。
backfill / bfill：使用下一个有效观察来填补空白。

自 2.1 版本起已弃用。

limit int，默认无

如果指定了 method，则这是要向前/向后填充的连续 NaN 值的最大数量。换句话说，如果存在连续 NaN 数量超过此数量的间隙，则只会部分填充。如果未指定 method，则这是沿整个轴填充 NaN 的最大条目数。如果不是 None，则必须大于 0。

自 2.1 版本起已弃用。

fill_axis {0 或 'index'} 对于 Series，{0 或 'index', 1 或 'columns'} 对于 DataFrame，默认 0

填充轴、方法和限制。

自 2.1 版本起已弃用。

Broadcast_axis {0 或 'index'} 对于 Series，{0 或 'index', 1 或 'columns'} 对于 DataFrame，默认 None

如果对齐两个不同尺寸的对象，则沿该轴广播值。

自 2.1 版本起已弃用。

返回：

元组（系列/数据帧，其他类型）: 对齐的对象。

例子

>>> df = pd.DataFrame(
...     [[1, 2, 3, 4], [6, 7, 8, 9]], columns=["D", "B", "E", "A"], index=[1, 2]
... )
>>> other = pd.DataFrame(
...     [[10, 20, 30, 40], [60, 70, 80, 90], [600, 700, 800, 900]],
...     columns=["A", "B", "C", "D"],
...     index=[2, 3, 4],
... )
>>> df
   D  B  E  A
1  1  2  3  4
2  6  7  8  9
>>> other
    A    B    C    D
2   10   20   30   40
3   60   70   80   90
4  600  700  800  900

在列上对齐：

>>> left, right = df.align(other, join="outer", axis=1)
>>> left
   A  B   C  D  E
1  4  2 NaN  1  3
2  9  7 NaN  6  8
>>> right
    A    B    C    D   E
2   10   20   30   40 NaN
3   60   70   80   90 NaN
4  600  700  800  900 NaN

我们还可以对齐索引：

>>> left, right = df.align(other, join="outer", axis=0)
>>> left
    D    B    E    A
1  1.0  2.0  3.0  4.0
2  6.0  7.0  8.0  9.0
3  NaN  NaN  NaN  NaN
4  NaN  NaN  NaN  NaN
>>> right
    A      B      C      D
1    NaN    NaN    NaN    NaN
2   10.0   20.0   30.0   40.0
3   60.0   70.0   80.0   90.0
4  600.0  700.0  800.0  900.0

最后，默认的axis=None将在索引和列上对齐：

>>> left, right = df.align(other, join="outer", axis=None)
>>> left
     A    B   C    D    E
1  4.0  2.0 NaN  1.0  3.0
2  9.0  7.0 NaN  6.0  8.0
3  NaN  NaN NaN  NaN  NaN
4  NaN  NaN NaN  NaN  NaN
>>> right
       A      B      C      D   E
1    NaN    NaN    NaN    NaN NaN
2   10.0   20.0   30.0   40.0 NaN
3   60.0   70.0   80.0   90.0 NaN
4  600.0  700.0  800.0  900.0 NaN