在Python中，如何在多个数据帧之间计算和重新分配数值？_Python_Dataframe

在Python中，如何在多个数据帧之间计算和重新分配数值？

python dataframe

在Python中，如何在多个数据帧之间计算和重新分配数值？,python,dataframe,Python,Dataframe,我试图找出如何根据某些标准在多个数据帧之间重新分配数值，但我不确定具体如何进行 id_1 stock_1 0 a 4 1 b 3 2 c 3 id_2 stock_2 0 a 4 1 b 3 2 c 4 id_3 stock_3 0 a 5 1 b 4 2 c 3 为此，我创建了3个小样本数据帧

我试图找出如何根据某些标准在多个数据帧之间重新分配数值，但我不确定具体如何进行

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

为此，我创建了3个小样本数据帧

import pandas as pd

first = {'id_1': ['a','b','c'],
         'stock_1': [7,2,3]}

df1 = pd.DataFrame(first, columns = ['id_1','stock_1'])

print(df1)

second = {'id_2': ['a','b','c'],
         'stock_2': [1,2,6]}

df2 = pd.DataFrame(second, columns = ['id_2','stock_2'])

print(df2)

third = {'id_3': ['a','b','c'],
         'stock_3': [5,6,1]}

df3 = pd.DataFrame(third, columns = ['id_3','stock_3'])

print(df3)

   id_1  stock_1
0    a        7
1    b        2
2    c        3

  id_2  stock_2
0    a        1
1    b        2
2    c        6

  id_3  stock_3
0    a        5
1    b        6
2    c        1

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

现在我想知道如何编写一个函数，它将交叉检查所有3个项目的所有值，并以一种查找MAX和MIN（a，b，c）的方式重新分配它们，然后从MAX中减去，再加上MIN，直到平均值

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

我希望生成的表看起来像

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

如果我们查看所有3个数据帧中的项“a”，我们会得到值；7, 1, 5 其中7为最大值，1为最小值

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

汇总为（7+1+5）/3=4时的平均值

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

因此，为了将正确的量添加到最小值，我们需要知道平均值和最小值之间的差异

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

（平均-分钟）=（4-1）=3我们称之为DIF

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

所以我想我们必须把DIF加到MIN上

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

（DIF+MIN）=（3+1）=4

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

然后从MAX中减去DIF得到新的值

  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

（MAX-DIF）=（7-3）=4

我们需要做的第一件事是在一个地方获取所有数据。为了方便起见，我将首先为每个

数据帧设置索引，但如果这对您来说真的很重要，您可以绕过它
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

df1.set_index('id_1',inplace=True)
df2.set_index('id_2',inplace=True)
df3.set_index('id_3',inplace=True)

为了将所有数据汇集在一起，我们只需将所有数据连接起来：
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

joined = df1.join(df2).join(df3)
print(joined)

这张照片是：
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

      stock_1  stock_2  stock_3
id_1                           
a           7        1        5
b           2        2        6
c           3        6        1

为了方便起见，我将转置矩阵（这允许使用默认轴进行操作）
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

对于特定的计算，您可以简单地添加min
、max
和mean
的结果，例如：
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

diff = final_df.mean().round()-final_df.min()

我们需要做的第一件事是在一个地方获取所有数据。为了方便起见，我将首先为每个数据帧设置索引，但如果这对您来说真的很重要，您可以绕过它
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

df1.set_index('id_1',inplace=True)
df2.set_index('id_2',inplace=True)
df3.set_index('id_3',inplace=True)

为了将所有数据汇集在一起，我们只需将所有数据连接起来：
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

joined = df1.join(df2).join(df3)
print(joined)

这张照片是：
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

      stock_1  stock_2  stock_3
id_1                           
a           7        1        5
b           2        2        6
c           3        6        1

为了方便起见，我将转置矩阵（这允许使用默认轴进行操作）
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

对于特定的计算，您可以简单地添加min
、max
和mean
的结果，例如：
  id_1  stock_1
0    a        4
1    b        3
2    c        3

  id_2  stock_2
0    a        4
1    b        3
2    c        4

  id_3  stock_3
0    a        5
1    b        4
2    c        3

diff = final_df.mean().round()-final_df.min()

你能举一个输出的例子吗？嗨，我用Desired output编辑了这个问题，但仍然不理解“交叉检查所有3个项目的所有值，并以一种方式重新分配它们，它会查找最大值和最小值（a、b、c），然后从最大值中减去，再加上最小值，直到平均值。”。你能用一些从7到4的公式计算作为第一个数据帧的输出来详细说明这个问题吗？我扩展了问题，你能给出一个输出的例子吗？嗨，我用Desired output编辑了这个问题，仍然不理解这行“交叉检查所有3项的所有值，并以查找最大值和最小值（a、b、c）的方式重新分配它们，然后从最大值中减去，再加上最小值，直到平均值。“。你能用一些从7到4的公式计算作为第一个数据帧的输出来详细说明这个问题吗？我扩展了这个问题谢谢你的输入，我理解索引、联接等。我想我应该开始计算一个循环，它将均匀地计算所有‘项’（a、b、c）的值。”将结果再次显示为单独的表格和打印的消息“3是从df1'中添加的，不需要。一旦您将所有数据放入一个数据框，联接
，您就可以使用pandas中提供的函数来获得公式。感谢您的输入，我理解索引、联接等。我想我应该开始计算一个循环，该循环将对所有“项”（a、b、c）进行计算再次将结果显示为单独的表格，并从df1'无需添加打印的消息“3”。一旦您将所有数据放入一个数据框，合并，则您可以使用pandas中提供的函数获取公式。