Python 添加来自不同数据帧的值

我想为每个

a

组创建一个新列

df1[“C”]

，使用

B

值

输出应为：

df1:
            A    B
0  2002-01-13  3.9
1  2002-01-13  1.9
2  2002-01-14  8.0
3  2002-01-14  9.0

df2:
            A        D
0  2002-01-13   Joseph
1  2002-01-13     Emma
2  2002-01-13  Michael
3  2002-01-14     Anna
4  2002-01-14   Yvonne
5  2002-01-14  Anthony

现在我想把

C

值分配给每个

A

组，分配给另一个

df2

            A    B     C
0  2002-01-13  3.9   2.9
1  2002-01-13  1.9   2.9
2  2002-01-14  8.0   8.5
3  2002-01-14  9.0   8.5

输出应为：

df1:
            A    B
0  2002-01-13  3.9
1  2002-01-13  1.9
2  2002-01-14  8.0
3  2002-01-14  9.0

df2:
            A        D
0  2002-01-13   Joseph
1  2002-01-13     Emma
2  2002-01-13  Michael
3  2002-01-14     Anna
4  2002-01-14   Yvonne
5  2002-01-14  Anthony

我试过：

            A        D     E
0  2002-01-13   Joseph   2.9
1  2002-01-13     Emma   2.9
2  2002-01-13  Michael   2.9
3  2002-01-14     Anna   8.5
4  2002-01-14   Yvonne   8.5
5  2002-01-14  Anthony   8.5

---

第1部分

df1["C"] = df1.groupby("A")["B"].mean()

代码不起作用的原因是

groupby

对象返回一个由

a

索引的序列

第1部分和第2部分

您可以通过将

A

映射到每个数据帧中预先计算的

groupby

对象来执行转换

df['C'] = df.groupby('A')['B'].transform('mean')

---

第一个问题

transform

s = df1.groupby('A')['B'].mean()

df['C'] = df['A'].map(s)
df2['E'] = df2['A'].map(s)

第二次使用

map

（注意，我使用的是df1，这直接导致我添加了

drop\u重复项

）

---

您不必向df1添加列，您可以直接将值从groupby df1映射到df2

df2['E']=df2.A.map(df1.drop_duplicates('A').set_index('A').C)

你可以用

df2['E'] = df2['A'].map(df1.groupby('A').B.mean())


    A           D       E
0   2002-01-13  Joseph  2.9
1   2002-01-13  Emma    2.9
2   2002-01-13  Michael 2.9
3   2002-01-14  Anna    8.5
4   2002-01-14  Yvonne  8.5
5   2002-01-14  Anthony 8.5

因为其他人没有提到使用

pd.merge

或

DataFrame.join

，所以发布

如果只需要最终输出：

df['C'] = df['A'].replace(df.groupby('A')['B'].mean().to_dict())

---

我有一种预感，在给定大数据帧的情况下，基于连接的解决方案将比基于地图的解决方案更快。

我会使用

assign

，但这是我的答案。@piRSquared，需要开始使用assign:）这与答案基本相同，但使用

replace

。我认为您应该使用

map

来代替。在我起草答案时，还发布了另外三个答案：）。我同意

transform

或

map

都比我的好。我认为df2.A.map（df1.set_index（'A'）['C'].to_dict（））会更干净，你不需要删除副本，因为字典会处理它+1@Vaishali这是真的：-）