Python 将数据帧单元格值与序列进行比较，然后求和_Python_Pandas_Dataframe

Python 将数据帧单元格值与序列进行比较，然后求和

python pandas dataframe

Python 将数据帧单元格值与序列进行比较，然后求和,python,pandas,dataframe,Python,Pandas,Dataframe,假设我有熊猫数据帧，如图所示（df_All）和2只这样的熊猫系列（df_水果，df_对象）我想将数据帧与序列进行比较，这样我就可以得到如下表所示的总和 Category Count 0 Fruit 5 1 Object 4 我尝试的是使用循环函数并进行如下比较 def getCategoryCount(row): food_count = 0 for value in df_Fruit['Fruit']: if row['Catego

假设我有熊猫数据帧，如图所示（df_All）

和2只这样的熊猫系列（df_水果，df_对象）

我想将数据帧与序列进行比较，这样我就可以得到如下表所示的总和

  Category Count
0 Fruit      5
1 Object     4

我尝试的是使用循环函数并进行如下比较

def getCategoryCount(row):
    food_count = 0

    for value in df_Fruit['Fruit']:
        if row['Category'] == value:
            food_count = row['Count']

    return food_count

df = df_All.apply(getCategoryCount, axis=1)

然而，我是这样填写的

我可以使用

df.sum（）

获取值，但每次只能对序列进行计算，因为如果我在

getCategoryCount

中放入另一个for循环，它将对整个df进行求和

如果可能，我希望使用

map

获取

groupby

键以数据帧的形式返回

getCategoryCount

s=pd.concat([df1,df2]).stack()

df.groupby(df.Category.map(dict(zip(s,s.index.get_level_values(1))))).Count.sum()
Out[232]: 
Category
Fruit     5
Object    4
Name: Count, dtype: int64

使用

map

获取

groupby

键

s=pd.concat([df1,df2]).stack()

df.groupby(df.Category.map(dict(zip(s,s.index.get_level_values(1))))).Count.sum()
Out[232]: 
Category
Fruit     5
Object    4
Name: Count, dtype: int64

我首先将这些类别分为以下两个列表：

fruits = list(fruits)
objects = list(objects)

df = pd.DataFrame([['Fruits', df_all[df_all.Category.isin(fruits)]['Count'].sum()], ['Objects', df_all[df_all.Category.isin(objects)]['Count'].sum()]], columns = ['Category', 'Count'])

然后我将对

df_all

进行切片，并对

Count

列求和，得到

df

定义如下：

fruits = list(fruits)
objects = list(objects)

df = pd.DataFrame([['Fruits', df_all[df_all.Category.isin(fruits)]['Count'].sum()], ['Objects', df_all[df_all.Category.isin(objects)]['Count'].sum()]], columns = ['Category', 'Count'])

当我打印

df

时，结果是：

>>> df
    Category    Count
0   Objects      3
1   Fruits       5