Pandas：通过对不同df的列求和来创建新df的Pythonic方法

假设我们有两个dfs

df1

及

df2

我想创建df3，它有两个新行[b，n]，它的值基于两个dfs中[a，b]列的总和，如下所示：

df3

我知道，只需在两个数据帧上使用.sum并手动创建df3即可实现，如下所示：

df3 = pd.DataFrame([[4,7],[10,9]], columns = ['a','b'])

我只是想知道是否有一种更具python风格的方法，即使用单个函数或迭代在更短的时间内生成它。

使用with by first level:

df3 = pd.concat([df1, df2], keys=['b', 'n']).sum(level=0)
print (df3)
    a  b
b   4  7
n  10  9

多数据帧解决方案：

cols = list(set(df1.columns).intersection(df2.columns))
df3 = pd.concat([df1[cols], df2[cols]], keys=['b', 'n']).sum(level=0)
print (df3)
    a  b
b   4  7
n  10  9

编辑：

如果只想对某些列求和：

 cols = set(df1.columns).intersection(df2.columns)
df3 = pd.concat([df1[['a','b']], df2[['a','b']]], keys=['b', 'n']).sum(level=0)

对于两个数据帧中的所有列：

cols = list(set(df1.columns).intersection(df2.columns))
df3 = pd.concat([df1[cols], df2[cols]], keys=['b', 'n']).sum(level=0)
print (df3)
    a  b
b   4  7
n  10  9

按第一级使用：

df3 = pd.concat([df1, df2], keys=['b', 'n']).sum(level=0)
print (df3)
    a  b
b   4  7
n  10  9

多数据帧解决方案：

cols = list(set(df1.columns).intersection(df2.columns))
df3 = pd.concat([df1[cols], df2[cols]], keys=['b', 'n']).sum(level=0)
print (df3)
    a  b
b   4  7
n  10  9

编辑：

如果只想对某些列求和：

 cols = set(df1.columns).intersection(df2.columns)
df3 = pd.concat([df1[['a','b']], df2[['a','b']]], keys=['b', 'n']).sum(level=0)

对于两个数据帧中的所有列：

cols = list(set(df1.columns).intersection(df2.columns))
df3 = pd.concat([df1[cols], df2[cols]], keys=['b', 'n']).sum(level=0)
print (df3)
    a  b
b   4  7
n  10  9

你可以用sum和concat来实现

或者，使用关键参数-

pd.concat([df1.sum(), df2.sum()], 1, keys=['b', 'n']).T
    a  b
b   4  7
n  10  9

如果您有许多这样的数据帧，并且假设它们具有相同的列，则可以将它们放入单个列表中，并在列表中调用sum-

df_list = [df1, df2, ...]
pd.concat([df.sum() for df in df_list], 1, keys=['b', 'n']).T

    a  b
b   4  7
n  10  9

你可以用sum和concat来实现

或者，使用关键参数-

pd.concat([df1.sum(), df2.sum()], 1, keys=['b', 'n']).T
    a  b
b   4  7
n  10  9

如果您有许多这样的数据帧，并且假设它们具有相同的列，则可以将它们放入单个列表中，并在列表中调用sum-

df_list = [df1, df2, ...]
pd.concat([df.sum() for df in df_list], 1, keys=['b', 'n']).T

    a  b
b   4  7
n  10  9

---

首先，感谢您提供了这一行伟大的代码。我们非常接近，但不在那里！df3.ab基本上是df1的和。a/df3bb是df1.b的和，df3.an是df2.a/df3.bn的和，df2.b的和，所以当我这样做时：df3=pd.concat[[df1.a.sum，df1.b.sum]，[df2.a.sum，df2.b.sum]]，1，key=['b'，'n'].T I get:TypeError:无法连接非NDFrame对象我还想指出，我在每个df中的行数超过两行，并且在df1和df2中的行数不相同。再次感谢您花了这么多时间！首先，感谢您提供了这一行伟大的代码。我们非常接近，但不在那里！df3.ab基本上是df1的和。a/df3bb是df1.b的和，df3.an是df2.a/df3.bn的和，df2.b的和，所以当我这样做时：df3=pd.concat[[df1.a.sum，df1.b.sum]，[df2.a.sum，df2.b.sum]]，1，key=['b'，'n'].T I get:TypeError:无法连接非NDFrame对象我还想指出，我在每个df中的行数超过两行，并且在df1和df2中的行数不相同。再次感谢您花了这么多时间！我编辑答案，我想你想要pd.concat[df1[['a'，'b']]，df2['a'，'b']]，keys=['b'，'n'].sumlevel=0。我编辑答案，我想你想要pd.concat[df1['a'，'b']]，df2['a'，'b']]，keys=['b'，'n'].sumlevel=0。先生，你刚刚赢了一块饼干。非常感谢。先生，你刚刚赢了一块饼干。非常感谢。