Python 数据帧之间的点分割忽略其中一个数据帧的第一列

我有两个数据帧，如下所示：

df1_input = {'patient_id': [ABC], 'p1': [1], 'p2': [4], 'p3': [3]}
df1 = pd.DataFrame(df1_input, columns=['patient_id', 'p1', 'p2', 'p3'])

df1看起来像：

patient_id   p1   p2   p3
    ABC      1    4    3

df2_input = {'feature': [p1, p2, p3], 'signals': [23, 45, 112]}
df2 = pd.DataFrame(df2_input, columns=['feature', 'signals']

feature   signals
   p1       23
   p2       45
   p3       112

df2看起来像：

patient_id   p1   p2   p3
    ABC      1    4    3

df2_input = {'feature': [p1, p2, p3], 'signals': [23, 45, 112]}
df2 = pd.DataFrame(df2_input, columns=['feature', 'signals']

feature   signals
   p1       23
   p2       45
   p3       112

我想将df1中的每个数字除以df2中相应的特征，然后再次返回df1。大概是这样的：

patient_id   p1     p2      p3
   ABC      1/23   4/45    3/112

我试过：

final = pd.DataFrame(df1.values / df2.values, index=df1.index, columns=df2.index)

但我得到：

ValueError: operands could not be broadcast together with shapes (1,4) (3,2) 

---

问题是：我无法摆脱“患者id”列！否则，我将无法识别每个数字所属的位置。有什么想法吗？谢谢

也许你可以尝试设置索引？这也适用于多个功能/信号

df1.set_index('patient_id', inplace=True)
df2.set_index('feature', inplace=True)

df1

df2

然后：

甚至更好，比如在耶斯雷尔和迪夫：

决赛

---

也许你可以试着设置索引？这也适用于多个功能/信号

df1.set_index('patient_id', inplace=True)
df2.set_index('feature', inplace=True)

df1

df2

然后：

甚至更好，比如在耶斯雷尔和迪夫：

决赛

输出

输出

用于将列名称与要素列值对齐：

df2 = df1.set_index('patient_id').div(df2.set_index('feature')['signals']).reset_index()
print (df2)
  patient_id        p1        p2        p3
0        ABC  0.043478  0.088889  0.026786

用于将列名称与要素列值对齐：

df2 = df1.set_index('patient_id').div(df2.set_index('feature')['signals']).reset_index()
print (df2)
  patient_id        p1        p2        p3
0        ABC  0.043478  0.088889  0.026786

将df1上的loc与df2.feature列一起使用，并与df2.feature的ndarray进行内联除法

将df1上的loc与df2.feature列一起使用，并与df2.feature的ndarray进行内联除法

---

您可以设置索引：df1.set_index'patient_id'，inplace=True和df2.set_index'feature'，inplace=True您可以设置索引：df1.set_index'patient_id'，inplace=True和df2.set_index'feature'，inplace=Truei走得有点长，就像这种方法一样

temp_df1 = df1.T.reset_index().rename({'index':'feature'},axis=1)
##temp_df1

      feature    0
0  patient_id  ABC
1          p1    1
2          p2    4
3          p3    3

temp_df1.merge(df2, how='outer').set_index('feature').apply(lambda x: x[0]/x['signals'] if str(x['signals']) !='nan' else x,axis=1).drop('signals',axis=1).T

feature patient_id         p1         p2         p3
0              ABC  0.0434783  0.0888889  0.0267857

df2 = df1.set_index('patient_id').div(df2.set_index('feature')['signals']).reset_index()
print (df2)
  patient_id        p1        p2        p3
0        ABC  0.043478  0.088889  0.026786

df1.loc[:, df2.feature] /= df2.signals.values

Out[229]:
  patient_id        p1        p2        p3
0        ABC  0.043478  0.088889  0.026786