maxframe.dataframe.DataFrame.align#

DataFrame.align(other, join: str = 'outer', axis: int | str | None = None, level: int | str | None = None, copy: bool = True, fill_value: Any = None, method: str = None, limit: int | None = None, fill_axis: int | str = 0, broadcast_axis: int | str = None)#

使用指定的连接方法在轴上对齐两个对象。

为每个轴 Index 指定连接方法。

参数:

  • other (DataFrame or Series)

  • join ({'outer', 'inner', 'left', 'right'}, default 'outer')

  • axis (allowed axis of the other object, default None) -- 在索引 (0)、列 (1) 或两者 (None) 上对齐。

  • level (int or level name, default None) -- 跨层级广播，在传入的 MultiIndex 层级上匹配 Index 值。

  • copy (bool, default True) -- 始终返回新对象。如果 copy=False 且不需要重新索引，则返回原始对象。

  • fill_value (scalar, default np.NaN) -- 用于缺失值的值。默认为 NaN，但可以是任何“兼容”的值。

  • method ({'backfill', 'bfill', 'pad', 'ffill', None}, default None) -- 用于填充重新索引 Series 中空洞的方法： - pad / ffill: 将最后一个有效观测值向前传播到下一个有效值。 - backfill / bfill: 使用下一个有效观测值填充空缺。

  • limit (int, default None) -- 如果指定了方法，则这是要向前/向后填充的最大连续 NaN 值数量。换句话说，如果存在超过此数量连续 NaN 值的间隙，则只会部分填充。如果未指定方法，则这是沿整个轴在其中将填充 NaN 的最大条目数。如果不为 None，必须大于 0。

  • fill_axis ({0 or 'index', 1 or 'columns'}, default 0) -- 填充轴、方法和限制。

  • broadcast_axis ({0 or 'index', 1 or 'columns'}, default None) -- 如果对齐两个不同维度的对象，则沿此轴广播值。

备注

目前不支持参数 level。

返回:

(left, right) -- 对齐后的对象。

返回类型:

(DataFrame, type of other)

示例

>>> import maxframe.tensor as mt
>>> import maxframe.dataframe as md
>>> df = md.DataFrame(
...     [[1, 2, 3, 4], [6, 7, 8, 9]], columns=["D", "B", "E", "A"], index=[1, 2]
... )
>>> other = md.DataFrame(
...     [[10, 20, 30, 40], [60, 70, 80, 90], [600, 700, 800, 900]],
...     columns=["A", "B", "C", "D"],
...     index=[2, 3, 4],
... )
>>> df.execute()
   D  B  E  A
1  1  2  3  4
2  6  7  8  9
>>> other.execute()
    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.execute()
   A  B   C  D  E
1  4  2 NaN  1  3
2  9  7 NaN  6  8
>>> right.execute()
    A    B    C    D   E
2   10   20   30   40 NaN
3   60   70   80   90 NaN
4  600  700  800  900 NaN

我们也可以在索引上对齐：

>>> left, right = df.align(other, join="outer", axis=0)
>>> left.execute()
    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.execute()
    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 axis=None 将在索引和列上都对齐：

>>> left, right = df.align(other, join="outer", axis=None)
>>> left.execute()
     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.execute()
       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