熊猫中的“放大设置”行为

Question

你能帮我理解以下内容吗？

df1 是一个按日期索引的数据框。 df2 是另一个同样按日期索引的数据框，但 df1 和 df2 只有一个共同的日期，2018-12-31。 请参阅以下输出：

df1 = pd.DataFrame({'A':[1,2,3]}, index = pd.to_datetime(["2018-12-31","2019-12-31","2020-12-31"]))
df2 = pd.DataFrame({'XX':[700,800]}, index = pd.to_datetime(["2016-12-31","2018-12-31"]))
df1['BB'] = df2['XX']

            A   BB
2018-12-31  1   800.0
2019-12-31  2   NaN
2020-12-31  3   NaN

我意识到这是可行的，即使 df1['BB'] = df2['XX'] 的左侧和右侧的行数不同。

这是更复杂表达式的缩写吗？由于结果保留了 df1 中的所有行，但没有扩展索引以包含 df2 中的行。这个操作像“left merge”（“左连接”）吗？它是否会包含 df1's 和 df2's 索引的联合，并适当地填充 NaN？

我使用的是 pandas 1.2.5 版

Answer 1

设置放大是__set_item__ 的一部分，在执行以下操作时会调用它：

df['col'] = someSeries

在这种情况下，函数_set_item 被调用，该函数用于“将系列添加到指定列中的DataFrame。”

由于 DataFrame 被索引，并且其中包含的所有 Series 也以相同的方式索引，因此新 Series 必须匹配它要添加到的 DataFrame 索引。

_sanitize_column 函数确保列兼容。在这种情况下，为了兼容性（索引对齐）需要一个Series.reindex 操作。这发生在_reindex_for_setitem。

---

所以回答问题

“这是更复杂表达式的缩写吗？”

是的，解析的表达式是：

df1['BB'] = df2['XX'].reindex(df1.index)._values

这个操作是不是像“左合并”（“左连接”）？

是的。该操作类似于“左合并”（实际上），因为结果 Series 将包含 df1 中的所有键，因为 Series 被重新索引以匹配 df1。

在这个具体的例子中，join 产生 exact 相同的结果：

df1 = df1.join(df2.rename(columns={'XX': 'BB'}))

它是否会包含 df1 和 df2 索引的并集，并适当地填充 NaN？

不，它只会包含要添加到的 DataFrame 中的索引。