Python 如何计算两个数据帧的两个平均值，但前提是两个单元格都可用？

我有两个这样的数据帧：

df1 = pd.DataFrame({
    "a": [0.5,0.5,0.5],
    "b": [0.5,0.5,0.5],
    "c": [0.5,0.5,0.5]
}, index = ["a", "b", "c"])
df1

average = pd.DataFrame()

for r in df1.columns:
    for c in df1.columns:
        try:
            average.loc[r, c] = 0.4 * df1.loc[r, c] + 0.6 * df2.loc[r, c]
        except KeyError:
            average.loc[r, c] = df1.loc[r, c]
        
average

df2

始终是

df1

的子集

如果

df2

还包含

df1

的单元格（相同的索引和列），我想计算两者之间的加权平均值。如果不是，则应保留

df1

的值

我可以这样做：

df1 = pd.DataFrame({
    "a": [0.5,0.5,0.5],
    "b": [0.5,0.5,0.5],
    "c": [0.5,0.5,0.5]
}, index = ["a", "b", "c"])
df1

average = pd.DataFrame()

for r in df1.columns:
    for c in df1.columns:
        try:
            average.loc[r, c] = 0.4 * df1.loc[r, c] + 0.6 * df2.loc[r, c]
        except KeyError:
            average.loc[r, c] = df1.loc[r, c]
        
average

然而，对于更大的数据帧，这需要相当长的时间——有没有更快的方法

---

非常感谢

试试

fillna

：

(df1 * 0.4 + df2 * 0.6).fillna(df1)

输出：

      a     b    c
a  0.38  0.38  0.5
b  0.38  0.38  0.5
c  0.50  0.50  0.5

---

美好的我喜欢pandas如何匹配索引和列，这样带有行和列的子集也可以工作。非常感谢！