Функция merge_ordered

Функция merge_ordered в модуле Pandas выполняет объединение двух таблиц DataFrame с сохранением порядка сортировки по ключевым столбцам. В отличие от обычного merge, эта функция предназначена для работы с временными рядами и другими упорядоченными данными. Она позволяет заполнять пропуски значениями с помощью параметра fill_method, что особенно полезно при работе с пропущенными значениями в отсортированных наборах данных.

Основные параметры функции:

left и right - таблицы DataFrame для объединения
on - столбец или список столбцов для объединения (если не указан, используется пересечение имён столбцов)
left_on и right_on - столбцы для объединения из левой и правой таблицы соответственно
left_by и right_by - столбцы для группировки перед объединением
fill_method - метод заполнения пропусков ('ffill', 'bfill' или None)
suffixes - суффиксы для одноимённых столбцов (по умолчанию ('_x', '_y'))
how - тип объединения ('left', 'right', 'outer', 'inner'; по умолчанию 'outer')

Синтаксис

pd.merge_ordered(left, right, on=None, left_on=None, right_on=None,
	left_by=None, right_by=None, fill_method=None, suffixes=('_x', '_y'),
	how='outer')

Пример

Выполним простое упорядоченное объединение двух таблиц с общим столбцом:

import pandas as pd

df1 = pd.DataFrame({
	'a': [1, 2, 3, 4],
	'b': [10, 20, 30, 40]
})
df2 = pd.DataFrame({
	'a': [2, 3, 5, 6],
	'c': [100, 200, 300, 400]
})
res = pd.merge_ordered(df1, df2, on='a')
print(res)

Результат выполнения кода:

   a	 b	  c
0  1  10.0	NaN
1  2  20.0  100.0
2  3  30.0  200.0
3  4  40.0	NaN
4  5   NaN  300.0
5  6   NaN  400.0

Пример

Используем метод заполнения пропусков ffill для заполнения отсутствующих значений:

import pandas as pd

df1 = pd.DataFrame({
	'a': [1, 2, 3, 4],
	'b': [10, 20, 30, 40]
})
df2 = pd.DataFrame({
	'a': [2, 3, 5, 6],
	'c': [100, 200, 300, 400]
})
res = pd.merge_ordered(df1, df2, on='a', fill_method='ffill')
print(res)

Результат выполнения кода:

   a	 b	  c
0  1  10.0	NaN
1  2  20.0  100.0
2  3  30.0  200.0
3  4  40.0  200.0
4  5  40.0  300.0
5  6  40.0  400.0

Пример

Объединим таблицы с разными именами ключевых столбцов, используя left_on и right_on:

import pandas as pd

df1 = pd.DataFrame({
	'key_left': [1, 2, 3, 4],
	'b': [10, 20, 30, 40]
})
df2 = pd.DataFrame({
	'key_right': [2, 3, 5, 6],
	'c': [100, 200, 300, 400]
})
res = pd.merge_ordered(df1, df2,
	left_on='key_left', right_on='key_right',
	fill_method='bfill')
print(res)

Результат выполнения кода:

   key_left	 b  key_right	  c
0		 1  10.0		NaN	NaN
1		 2  20.0		2.0  100.0
2		 3  30.0		3.0  200.0
3		 4  40.0		NaN  300.0
4		 5   NaN		5.0  300.0
5		 6   NaN		6.0  400.0

Пример

Выполним объединение с группировкой по дополнительным столбцам с помощью параметра left_by:

import pandas as pd

df1 = pd.DataFrame({
	'a': [1, 2, 3, 1, 2, 3],
	'group': ['x', 'x', 'x', 'y', 'y', 'y'],
	'b': [10, 20, 30, 40, 50, 60]
})
df2 = pd.DataFrame({
	'a': [2, 3, 1, 2, 3],
	'group': ['x', 'x', 'y', 'y', 'y'],
	'c': [100, 200, 300, 400, 500]
})
res = pd.merge_ordered(df1, df2, on='a', left_by='group', fill_method='ffill')
print(res)

Результат выполнения кода:

   a group	 b	  c
0  1	 x  10.0	NaN
1  2	 x  20.0  100.0
2  3	 x  30.0  200.0
3  1	 y  40.0  300.0
4  2	 y  50.0  400.0
5  3	 y  60.0  500.0

Смотрите также

функция merge,
которая выполняет стандартное объединение таблиц
функция merge_asof,
которая выполняет объединение по ближайшим значениям
функция concat,
которая объединяет таблицы по индексам или строкам
метод merge_ordered,
который выполняет упорядоченное объединение с возможностью заполнения пропусков