Python熊猫：数据框架中的优雅划分

我是stackoverflow的新手，已经从R切换到python。我正在尝试做一些可能不太难的事情，虽然我可以通过屠宰来做到这一点，但我想知道做这件事的最疯狂的方式是什么。我试图使用列

D

作为查找，将列中的某些值（

E

其中

F=a

）除以列中较低的值（

E

其中

F=b

）：

将熊猫作为pd导入
数据帧（{'D'：[1,2,3,4,5,1,2,3,4,5,1]，'E'：[10,20,30,40,50100,250,250,360,567,400]，'F'：['a'，'a'，'a'，'b'，'b'，'b'，'c']））
打印（df）
out=pd.DataFrame（{'D'：[1,2,3,4,5]，'a/b'：[0.1,0.08,0.12,0.1111,0.0881]）
打印（输出）

---

有人能帮我把这写得很好吗？

我不太清楚“使用D列作为查找”是什么意思，因为在您提供的示例中不需要这样的查找。 然而，实现您提供的输出的快速而肮脏的方法是

output = pd.DataFrame({'a/b': df[df['F'] == 'a']['E'].values / df[df['F'] == 'b']['E'].values})
output['D'] = df['D']

这使得

输出

成为

        a/b  D
0  0.100000  1
1  0.080000  2
2  0.120000  3
3  0.111111  4
4  0.088183  5

---

使用pandas数据框中的

.loc

作为

df.loc[行，列]

查找，其中行和列的条件为True

import numpy as np

# get indices from column D. I convert it to a list structure to make sure that the order is maintained.
idx = list(set(df['D']))
# A is an array of values with 'F'=a
A = np.array([df.loc[(df['F']=='a') & (df['D']==i),'E'].values[0] for i in idx])
# B is an array of values with 'F'=b
B = np.array([df.loc[(df['F']=='b') & (df['D']==i),'E'].values[0] for i in idx])

# Now devide towards your new dataframe of divisions
out = pd.DataFrame(np.vstack([A/B,idx]).T, columns = ['a/b','D'])

不使用numpy.vstack，您可以使用：

out = pd.DataFrame(A/B,idx).T
out.columns = ['a/b','D']

同样的结果。我试着在一行中完成它（没有任何理由）

明白了：

df=df.set_索引（'D'））
out=df.loc[（df['F']=='a'），'E']/df.loc[（df['F']=='b'），'E']
out=out.reset_index（）

---

谢谢你的想法-我得到了启发。

谢谢。D列需要匹配E中的值，我看我应该把它们混合得更清楚一些：这个df2应该给出与df相同的结果。

df2=pd.DataFrame（{'D'：[1,2,3,4,5,5,1,3,4,2,1]，'E'：[10,20,30,40,50,567,100,250,360,250,400]，'F'：['a'、'a'、'a'、'b'、'b'、'b'、'b'、'c']}）

Great，这看起来很好，对于

df2=pd.DataFrame（{'D'：[1,2,3,4,5,5,1,1,3,4,2,1]、'E'：[10,20,30,40,50567,100,250,360,250,400]、'F'：[a'、'a'、'a'、'b'、'b'、'b'、'c']）

。是否有一种方法可以完全在pandas内部实现？是的，您可以制作a和B pandas数据帧而不是数组，然后将它们与

pandas.concat（df_a，df_B，axis=1）连接起来。

。还有其他方法。