通过具有 NaN 值的数据帧更新数据帧

我尝试更新 DataFrame

df1 = pd.DataFrame(data = {'A' : [1,2,3,4], 'B' : [5,6,7,8]})

通过另一个 DataFrame

df2 = pd.DataFrame(data = {'B' : [9, np.nan, 11, np.nan]}).

现在我的目标是更新df1 by df2并覆盖所有值（NaN值也）使用

df1.update(df2)

与常见用法相比，对我来说重要的是获得NaN值最终在df1。 但据我看到更新返回

>>> df1
      A   B
0     1   9
1     2   6
2     3   11
3     4   8

有没有办法得到

>>> df1
    A    B
0   1    9
1   2    NaN
2   3    11
3   4    NaN

没有建筑物df1手动？

我参加聚会迟到了，但我最近遇到了同样的问题，i.e.尝试更新数据框而不忽略像 Pandas 内置的 NaN 值update方法确实如此。 对于共享相同列名的两个数据帧，解决方法是连接两个数据帧，然后删除重复项，只保留最后一个条目：

import pandas as pd
import numpy as np

df1 = pd.DataFrame(data = {'A' : [1,2,3,4], 'B' : [5,6,7,8]})
df2 = pd.DataFrame(data = {'A' : [1,2,3,4], 'B' : [9, np.nan, 11, np.nan]})

frames = [df1, df2]
df_concatenated = pd.concat(frames)
df1=df_concatenated.loc[~df_concatenated.index.duplicated(keep='last')]

根据索引，可能需要对输出数据帧的索引进行排序：

df1=df1.sort_index()

给你一个非常具体的例子df2没有 A 列，您可以运行：

import pandas as pd
import numpy as np

df1 = pd.DataFrame(data = {'A' : [1,2,3,4], 'B' : [5,6,7,8]})
df2 = pd.DataFrame(data = {'B' : [9, np.nan, 11, np.nan]})

frames = [df1, df2]
df_concatenated = pd.concat(frames)

df1['B']=df_concatenated.loc[~df_concatenated.index.duplicated(keep='last')]['B']