Python 通过计算从另一个附加到数据帧

我有2个csv文件，我读入并从中创建了2个数据帧

我将获取第二个数据帧，并使用它进行一些计算，以附加到第一个数据帧。然而，我所附加到第一个数据帧的内容似乎并没有实际发生

我需要做些什么来纠正这个错误

以下是我正在使用的代码：

import pandas as pd

m = pd.read_csv('DailyHistoricData.csv', header = None, index_col=0)
f = pd.read_csv('ImportFMP.csv', header = None)

for index in range(len(f)):
    a0 = f.ix[index, 0]
    a1 = f.ix[index, 1]
    a2 = f.ix[index, 7]
    a3 = f.ix[index, 8]-f.ix[index, 9]
    a4 = 100*f.ix[index, 2]
    a5 = f.ix[index, 10]-f.ix[index, 11]
    a6 = f.ix[index, 3]
    a7 = f.ix[index, 4]
    a8 = f.ix[index, 5]
    a9 = f.ix[index, 6]
    m.append([a0, a1, a2, a3, a4, a5, a6, a7, a8, a9])



print m.tail(3)

f的信息是：

<class 'pandas.core.frame.DataFrame'>
Int64Index: 720 entries, 0 to 719
Data columns (total 12 columns):
0     720 non-null int64
1     720 non-null int64
2     720 non-null float64
3     720 non-null int64
4     720 non-null int64
5     720 non-null int64
6     720 non-null int64
7     720 non-null int64
8     720 non-null int64
9     720 non-null int64
10    720 non-null float64
11    720 non-null int64
dtypes: float64(2), int64(10)None

m信息是：

<class 'pandas.core.frame.DataFrame'>
Int64Index: 11544 entries, 1 to 11544
Data columns (total 19 columns):
1     11544 non-null int64
2     11544 non-null float64
3     11544 non-null int64
4     11544 non-null float64
5     11544 non-null float64
6     11544 non-null float64
7     11544 non-null float64
8     11544 non-null float64
9     11544 non-null int64
10    11544 non-null float64
11    11544 non-null float64
12    11544 non-null float64
13    11544 non-null int64
14    11544 non-null float64
15    11544 non-null float64
16    11544 non-null float64
17    11544 non-null int64
18    11544 non-null float64
19    11544 non-null int64
dtypes: float64(13), int64(6)None

---

您应该将其矢量化：

In [68]: a3 = f.iloc[:, 8] - f.iloc[:, 9]

In [69]: a4 = 100 * f.iloc[:, 2]

In [70]: a5 = f.iloc[:, 10] - f.iloc[:, 11]

In [71]: toappend = pd.concat([a3, a4, a5], axis=1).rename(columns=dict(zip(range(3), list('abc'))))

In [72]: toappend.tail()
Out[72]:
        a    b    c
715 -1147  100 -247
716 -1022   89 -200
717  1491  109  328
718   712   87  194
719  -335   97  -84

[5 rows x 3 columns]

In [73]: res = m.append(f.iloc[:, [0, 3, 4, 5, 1, 6, 7]].join(toappend))

In [74]: res.tail()[['a', 'b', 'c']]
Out[74]:
        a    b    c
715 -1147  100 -247
716 -1022   89 -200
717  1491  109  328
718   712   87  194
719  -335   97  -84

[5 rows x 3 columns]

---

通常，如果您发现自己编写的循环体包含元素算术运算，那么您很可能能够对整个vector/

系列

对象进行操作，并在这方面利用

numpy

的速度。

是否可以改用concat

m=m.concat（[a0，a1，a2，a3，a4，a5，a6，a7，a8，a9]，ignore_index=True）

I尝试使用此属性时出错……AttributeError:'DataFrame'对象没有属性'concat'不能正确操作。另外，您应该通过一次操作感兴趣的列来对其进行矢量化。您当前的算法对于包含10k-100k元素的小帧也会很慢。Philip，您能给我一些建议吗？谢谢您的回答。我在尝试上述操作时遇到此错误：ValueError:列重叠但未指定后缀：Int64Index（[0,1,3,4,5,6,7]，dtype='int64'）第一个是f:Int64Index:720个条目，0到719个数据列（共12列）：0 720非空int64 1 720非空int64 2 720非空浮点64 3 720非空int64 4 720非空int64 5 720非空int64 6 720非空int64 7 720非空int64 8 720非空int64 9 720非空int64 10 720非空浮点64 11 720非空int64数据类型：浮点64（2），int64（10）None和m:Int64Index:11544条目，1到11544个数据列（总共19列）：1 11544非空整数64 2 11544非空浮点64 3 11544非空整数64 4 11544非空浮点64 5 11544非空浮点64 6 11544非空浮点64 7 11544非空浮点64 8 11544非空浮点64 9 11544非空整数64 10 11544非空浮点64 11 11544非空浮点64 12 11544非空浮点64 1311544非空int64 14 11544非空float64 15 11544非空float64 16 11544非空float6418 11544非空float64 19 11544非空int64数据类型：float64（13），int64（6）none该错误消息意味着您需要重命名

三列中的一个或多个列，因为其中一个列的名称位于
[0,1,7,3,4,5,6]
。
          1       2    3   4     5   6   7   8   9   10  11  12  13  14  15  \
0                                                                            
1  19650302  507.99   70  56  1.77   0   0   0   0   0   0   0   0   0   0   
2  19650303  507.35   46  73  1.07   0   0   0   0   0   0   0   0   0   0   
3  19650304  505.94 -104  96 -0.39   0   0   0   0   0   0   0   0   0   0   
4  19650305  504.76 -200  66  0.14   0   0   0   0   0   0   0   0   0   0   
5  19650308  504.86  160  89  0.90   0   0   0   0   0   0   0   0   0   0   

    16  17  18  19  
0                  
1   0   0   0   1  
2   0   0   0   2  
3   0   0   0   3  
4   0   0   0   4  
5   0   0   0   5  

In [68]: a3 = f.iloc[:, 8] - f.iloc[:, 9]

In [69]: a4 = 100 * f.iloc[:, 2]

In [70]: a5 = f.iloc[:, 10] - f.iloc[:, 11]

In [71]: toappend = pd.concat([a3, a4, a5], axis=1).rename(columns=dict(zip(range(3), list('abc'))))

In [72]: toappend.tail()
Out[72]:
        a    b    c
715 -1147  100 -247
716 -1022   89 -200
717  1491  109  328
718   712   87  194
719  -335   97  -84

[5 rows x 3 columns]

In [73]: res = m.append(f.iloc[:, [0, 3, 4, 5, 1, 6, 7]].join(toappend))

In [74]: res.tail()[['a', 'b', 'c']]
Out[74]:
        a    b    c
715 -1147  100 -247
716 -1022   89 -200
717  1491  109  328
718   712   87  194
719  -335   97  -84

[5 rows x 3 columns]