python 两个dataframe有相同的列，如何用merge函数将a表的数据填充到b表为空的列中

在使用 `pandas.merge()` 函数填充一个 DataFrame 中的缺失值时，可以结合 `how='outer'` 参数实现全连接（outer join），并利用两个 DataFrame 中相同的列进行合并，从而实现对缺失值的填充。具体操作如下：假设 DataFrame A 包含完整数据，而 DataFrame B 中某些字段存在缺失值。两者具有相同的列结构，可以通过某一关键列（如 `id`）进行连接。此时，可以使用 `merge()` 函数将两个 DataFrame 合并，并使用 `fillna()` 方法填充缺失值。 ### 示例代码如下： ```python import pandas as pd import numpy as np # 创建 DataFrame A（完整数据） df_a = pd.DataFrame({ 'id': [1, 2, 3], 'value': [10, np.nan, 30] }) # 创建 DataFrame B（部分数据缺失） df_b = pd.DataFrame({ 'id': [1, 2, 3], 'value': [np.nan, 20, np.nan] }) # 使用 merge 函数按 id 列进行外连接 merged_df = pd.merge(df_a, df_b, on='id', how='outer', suffixes=('_a', '_b')) # 填充缺失值：优先使用 df_a 的值，若也缺失则使用 df_b 的值 merged_df['value'] = merged_df['value_a'].fillna(merged_df['value_b']) # 删除临时列 merged_df.drop(columns=['value_a', 'value_b'], inplace=True) print(merged_df) ``` 输出结果为： ``` id value 0 1 10.0 1 2 20.0 2 3 30.0 ``` 上述代码中，首先通过 `merge()` 函数实现外连接，确保所有记录都被保留[^1]；接着使用 `fillna()` 方法将 DataFrame A 中缺失的值用 DataFrame B 中对应的值进行填充；最后删除了合并过程中生成的临时列。此外，若两个 DataFrame 的列名完全一致，也可以在合并时使用 `left_on` 和 `right_on` 指定不同的列名进行连接，例如： ```python merged_df = pd.merge(df_a, df_b, left_on='key_a', right_on='key_b', how='outer') ``` ###

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇如何使用Python将数据集划分为测试集和训练集