熊猫align（）函数：示例

您处于正确的轨道，除了DataFrame.align不合并两个数据框，而是将它们对齐，以便两个数据框具有相同的行和/或列配置。让我们尝试一个例子：

使用一些描述性的列名和玩具数据初始化两个数据框：

df1 = pd.DataFrame([[1,2,3,4], [6,7,8,9]], columns=['D', 'B', 'E', 'A'], index=[1,2])
df2 = pd.DataFrame([[10,20,30,40], [60,70,80,90], [600,700,800,900]], columns=['A', 'B', 'C', 'D'], index=[2,3,4])

现在，让我们自己查看这些数据帧：

print(df1)

   D  B  E  A
1  1  2  3  4
2  6  7  8  9

print(df2)

     A    B    C    D
2   10   20   30   40
3   60   70   80   90
4  600  700  800  900

让我们对齐这两个数据框，按列对齐（axis=1），然后对列标签执行外部联接（join='outer'）：

a1, a2 = df1.align(df2, join='outer', axis=1)
print(a1)
print(a2)

   A  B   C  D  E
1  4  2 NaN  1  3
2  9  7 NaN  6  8
     A    B    C    D   E
2   10   20   30   40 NaN
3   60   70   80   90 NaN
4  600  700  800  900 NaN

这里需要注意的几件事：

• 中的列df1已重新排列，因此与中的列对齐df2。
• 有一个标记为'C'已添加到df1的列，以及一个标记为'E'已添加到的列df2。这些列已填充NaN。这是因为我们在列标签上执行了外部联接。
• DataFrame内部的值均未更改。
• 请注意，行标签未对齐；df2有3和4，而df1没有。这是因为我们要求对齐列（axis=1）。

如果我们在行和列上都对齐，但是将join参数更改为，会发生'right'什么？

a1, a2 = df1.align(df2, join='right', axis=None)
print(a1)
print(a2)

     A    B   C    D
2  9.0  7.0 NaN  6.0
3  NaN  NaN NaN  NaN
4  NaN  NaN NaN  NaN
     A    B    C    D
2   10   20   30   40
3   60   70   80   90
4  600  700  800  900

注意：

• 仅df2保留在“右侧”数据框（）中找到的列和行。列'E'不再存在。这是因为我们在列和行标签上都进行了正确的联接。
• 带有标签2和的行3已添加到df1，并用填充Nan。这是因为我们要求对行和列（axis=None）都进行对齐。
• 现在，行标签和列标签都已对齐。
• 同样，请注意，数据框内的实际值均未更改。

最后，让我们使用join='inner'和axis=1查看问题中的代码：

a1, a2 = df1.align(df2, join='inner', axis=1)
print(a1)
print(a2)

   D  B  A
1  1  2  4
2  6  7  9
     D    B    A
2   40   20   10
3   90   70   60
4  900  700  600

• 仅列标签对齐（axis=1）。
• 只有两者中都存在df1并df2保留的列标签（join='inner'）。

总而言之，DataFrame.align()当您要确保两个数据帧之间的行和/或列的排列是相同的，而无需更改两个数据帧中包含的任何数据时，请使用此方法。