Python 如何压缩添加具有不同列的数据帧
我想以类似zip的方式添加两个dfs: df1: df2: 预期结果:Python 如何压缩添加具有不同列的数据帧,python,pandas,dataframe,Python,Pandas,Dataframe,我想以类似zip的方式添加两个dfs: df1: df2: 预期结果: df1+df2= X a b c 1 1 1 3 1 1 2 4 1 2 1 4 1 2 2 5 我唯一的想法是一行一行地走,但那太可怕了。现在的问题可以通过广播解决: # new values new_vals = df1.X.values[:,None] + df2.X.values[None,:] # new dataframe: new
df1+df2=
X
a b c
1 1 1 3
1 1 2 4
1 2 1 4
1 2 2 5
我唯一的想法是一行一行地走,但那太可怕了。现在的问题可以通过广播解决:
# new values
new_vals = df1.X.values[:,None] + df2.X.values[None,:]
# new dataframe:
new_df = pd.DataFrame(new_vals, index=df1.index, columns=df2.index)
# stack for the multi-index:
new_df.stack()
输出:
a b c
1 1 1 3
2 4
2 1 4
2 5
dtype: int64
如果您有多个列,它仍然有效,但不需要对新的_df列进行任何调整:
df1 = (pd.DataFrame({'a':[1,1],
'b':[1,2],
'X':[0,3],
'Y':[1,2]})
.set_index(['a','b'])
)
df2 = (pd.DataFrame({'c':[1,2,3],
'X':[1,2,3],
'Y':[0,1,5]})
.set_index('c')
)
new_vals = df1.values[:,None] + df2.values[None,:]
new_df = pd.DataFrame(data=new_vals.reshape(len(df1), df2.shape[1]*df2.shape[0]),
index=df1.index,
columns=pd.MultiIndex.from_product((df2.index, df2.columns) )
)
输出:
X Y
a b
1 1 1 1 1
2 2 2
3 3 6
2 1 4 2
2 5 3
3 6 7
很容易使用
concat
pd.concat([df1+df2.loc[x] for x in df2.index],1,keys=df2.index).stack(0)
Out[267]:
X
a b c
1 1 1 3
2 4
2 1 4
2 5
另一种解决方案是,从列表中创建一个新列表,然后使用和: [外]
两个数据帧复制一次背后的逻辑是什么?每个数据帧只有一列还是多列?@QuangHoang
df1
有多个索引,df2
只有一个索引。但“结果”列(X
)的数量为三列。希望我清楚enough@Erfan你的问题我不清楚
X Y
a b
1 1 1 1 1
2 2 2
3 3 6
2 1 4 2
2 5 3
3 6 7
pd.concat([df1+df2.loc[x] for x in df2.index],1,keys=df2.index).stack(0)
Out[267]:
X
a b c
1 1 1 3
2 4
2 1 4
2 5
new_idx = pd.MultiIndex.from_tuples([x + (y,) for x in df1.index.to_flat_index()
for y in df2.index], names=['a', 'b', 'c'])
df1.reindex(new_idx).add(df2)
X
a b c
1 1 1 3
2 4
2 1 4
2 5