Блог

Главная - Вопросы по программированию - Математические операции столбца на основе тех же значений других панд столбцов

Математические операции столбца на основе тех же значений других панд столбцов

#python #pandas #dataframe

#python #pandas #фрейм данных

Вопрос:

Мой первый фрейм данных:

 df1 =     


    A        B
    61880    7
    62646    8
    62651    9
    62656    10
    62783    11

Мой второй фрейм данных:

 df2 =

    C        D
    62783    2
    62646    3
    61880    4
    62656    5
    62651    6

Как вы можете видеть как в первом, так и во втором фрейме данных, у нас есть столбцы с одинаковыми значениями, расположенными не в том же порядке (!) (col A and col C)

Желаемый результат: возьмите все значения «B» и «D» из строк, которые имеют одинаковые значения «A» и «C», и выполните с ними математическую операцию (например, B, деленное на D).

Пример: 2 11 (оба они имеют одинаковое значение 62783 в столбцах «A» и «C»)

ДОПОЛНЕНИЕ! ОТРЕДАКТИРОВАНО!

Большое спасибо! Я столкнулся с другой проблемой, о которой забыл упомянуть:

Иногда в столбце «A» у меня одинаковые значения, например, мы можем видеть «61880» дважды и так далее:

df1 =

 A        B
*61880*    7
**62646**    8
62651    9
62656    10
62783    11
*61880*    3
**62646**    2

Я хочу выполнить тот же процесс, о котором вы упомянули, НО с учетом следующего:

Я хочу отсортировать столбец «A» на основе значений «B», а именно суммы «B». Что-то вроде:

  61880    7 3
 62646    8 2
 ...

Я сделал это с data.groupby('mm_fid')['vel'].sum() полученным результатом, но после этого я не могу выполнить операцию. Таким образом, я хочу создать уникальный столбец с суммой «B», а затем перейти к предоставленным вами ответам!

Ответ №1:

Вам нужно merge , затем просто добавьте соответствующие значения:

 res = df1.merge(df2, left_on='A', right_on='C')
(res.B   res.D).to_frame('result').set_index(res.A)

        result
A            
61880      15
62646      14
62651      21
62656      20
62783      15

Ответ №2:

Я считаю, что вам нужно DataFrame.add с DataFrame.set_index :

 df3 = df1.set_index('A')['B'].add(df2.set_index('C')['D'], fill_value=0).reset_index()
df3.columns = ['A','B']
print (df3)
       A   B
0  61880  11
1  62646  11
2  62651  15
3  62656  15
4  62783  13

Другим решением является использование concat с aggregate sum :

 d = {'C':'A', 'D':'B'}
df3 = pd.concat([df1, df2.rename(columns=d)]).groupby('A', as_index=False)['B'].sum()
print (df3)
       A   B
0  61880  11
1  62646  11
2  62651  15
3  62656  15
4  62783  13
Метки: