合并具有不同索引的2个系列

Question

我有2个系列，索引不同，但长度相同，均为638。

系列

fc

的输出是

1888    4.899912
1889    4.900162
1890    4.900141
1891    4.900142
1892    4.900142
          ...   
2521    4.900142
2522    4.900142
2523    4.900142
2524    4.900142
2525    4.900142
Name: predicted_mean, Length: 638, dtype: float64

和系列

fc_series

的输出是

Date
2020-12-16   NaN
2020-12-17   NaN
2020-12-18   NaN
2020-12-21   NaN
2020-12-22   NaN
              ..
2023-06-26   NaN
2023-06-27   NaN
2023-06-28   NaN
2023-06-29   NaN
2023-06-30   NaN
Name: predicted_mean, Length: 638, dtype: float64

我尝试使用此代码行

fc_series = pd.Series(fc, index=test_data.index)

我想要

fc

的值代替

fc_series

中的 NaN 值。我正在努力解决这方面的索引部分，非常感谢您的帮助。

Answer 1

示例

import pandas as pd
data1 = {1888: 4.899912, 1889: 4.900162, 1890: 4.900141, 1891: 4.900142, 1892: 4.900142}
s1 = pd.Series(data1)
data2 = {'2020-12-16': float('nan'), '2020-12-17': float('nan'), '2020-12-18': float('nan'), 
         '2020-12-21': float('nan'), '2020-12-22': float('nan')}
s2 = pd.Series(data2)

s1

1888    4.899912
1889    4.900162
1890    4.900141
1891    4.900142
1892    4.900142
dtype: float64

s2

2020-12-16   NaN
2020-12-17   NaN
2020-12-18   NaN
2020-12-21   NaN
2020-12-22   NaN
dtype: float64

---

代码

如果 s2 全部为 NaN，请使用此代码。

s1.set_axis(s2.index)

输出：

2020-12-16    4.899912
2020-12-17    4.900162
2020-12-18    4.900141
2020-12-21    4.900142
2020-12-22    4.900142
dtype: float64

---

如果 s2 中的某些值是 NaN，并且您只想在它们为 NaN 时才用 s1 中的值填充它们，请使用此代码。

s2.fillna(s1.set_axis(s2.index))

Answer 2

你就快到了。

问题是，从另一个系列创建一个系列并传递索引将执行索引对齐，而这恰恰是您不想要的。

相反，只需传递

fc

的值即可：

out = pd.Series(fc.to_numpy(), index=fc_series.index)

输出：

2020-12-16    4.899912
2020-12-17    4.900162
2020-12-18    4.900141
2020-12-21    4.900142
2020-12-22    4.900142
                ...   
2023-06-26    4.900142
2023-06-27    4.900142
2023-06-28    4.900142
2023-06-29    4.900142
2023-06-30    4.900142
dtype: float64