pandas中的.update()方法

在Pandas中，update()方法用于将一个DataFrame或Series对象中的值更新为另一个DataFrame或Series对象中的对应值。这个方法可以用来在原地更新数据，而不需要创建一个新的对象。

update()方法有几个参数，其中最重要的是other参数，它指定了用来更新当前对象的另一个DataFrame或Series对象。当调用update()方法时，它会将other对象中的值替换当前对象中相应位置的值。

下面是update()方法的基本语法：

 DataFrame.update(other, overwrite=True, filter_func=None, errors='raise')

• other：要用来更新当前对象的另一个DataFrame或Series对象。
• overwrite：一个布尔值，指定是否要覆盖当前对象中的值。默认为True，表示用other对象中的值完全替换当前对象中的值；如果设置为False，则只会替换NaN值。
• filter_func：一个可调用对象，用于筛选要更新的值。只有返回True的值才会被更新。
• errors：指定处理错误的方式。默认为'raise'，表示如果更新过程中出现错误，将引发异常；如果设置为'ignore'，则会忽略错误并继续执行。

需要注意的是，update()方法会就地修改当前对象，而不会返回一个新的对象。这与许多Pandas方法的行为不同，因为它们通常会返回一个新的对象。因此在使用update()方法之前，请确保对数据进行了适当的备份或者确保没有破坏原始数据的需求。

让我们从需要更新开始，我们的数据如下：

我们想要将下面的数据匹配到原始数据上：

如果直接使用，看看结果是什么：

 df.update(df1)
 df

所有单元格都将被替换，除非我们的新DF有空，update()方法内联地改变了原始的数据，而不是创建副本。

overwrite参数

除了空值所有单元格都被替换了，这时因为.update()只是假设新数据更相关。如果只想替换缺失的值，请可以设置参数' overwrite = False '

 df.update(df1,overwrite=False)
 df

filter_func参数

也可以通过使用' filter_func '参数来更新除null以外的单元格。例如只替换偶数的值。

 df.update(df1,filter_func=lambda x : x%2==0)
 df

可以看到只更新了符合判断条件的值。

update()方法可以方便的将一个DataFrame或Series对象中的值更新为另一个DataFrame或Series对象中的对应值，但是我们却很少用到它。所以在处理缺失或者过期数据更新时，pandas中的update方法是一个很有用的工具。但是需要注意的是，在使用update()方法之前，需要对数据进行了适当的备份或者确保没有破坏原始数据的需求，因为他会直接修改我们的DF。