python – 添加数据帧并根据可用性划分结果
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – 添加数据帧并根据可用性划分结果，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1862字，纯文字阅读大概需要3分钟。
内容图文
我想添加两个数据帧,我可以通过添加函数来实现.
现在,我想根据初始数据帧(df1,df2,df3)中是否存在相应的值来划分结果数据帧的每个值.例如.
df1 = pd.DataFrame([[1,2],[3,4]], index =['A','B'], columns = ['C','D'])
df2 = pd.DataFrame([[11,12], [13,14]], index = ['A','B'], columns = ['D','E'])
df3 = df1.add(df2, fill_value=0)
这会导致像df一样
C D E
A 1.0 13 12.0
B 3.0 17 14.0
我需要一个df,如：
C D E
A 1.0 6.5 12.0
B 3.0 8.5 14.0
因为在两个数据帧中都找到了D列,所以我将这些值除以2.
任何人都可以提供一个通用的解决方案,假设我需要添加2个以上的数据帧(因此分割因子也会改变)并且每个数据帧中有超过100列.
解决方法:
我们可以在一个步骤中水平连接所有DF：
In [13]: df = pd.concat([df1,df2], axis=1).fillna(0)
这会产生：
In [15]: df
Out[15]:
C D D E
A 1 2 11 12
B 3 4 13 14
现在我们可以按列分组,计算平均值(平均值)：
In [14]: df.groupby(df.columns, axis=1).mean()
Out[14]:
C D E
A 1.0 6.5 12.0
B 3.0 8.5 14.0
或者我们可以一步完成(感谢@jezrael)：
In [60]: pd.concat([df1,df2], axis=1).fillna(0).groupby(level=0, axis=1).mean()
Out[60]:
C D E
A 1.0 6.5 12.0
B 3.0 8.5 14.0
定时：
In [38]: df1 = pd.concat([df1] * 10**5, ignore_index=True)
In [39]: df2 = pd.concat([df2] * 10**5, ignore_index=True)
In [40]: %%timeit
...: df = pd.concat([df1,df2], axis=1).fillna(0)
...: df.groupby(df.columns, axis=1).mean()
...:
63.4 ms ± 2.39 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [41]: %%timeit
...: s = pd.Series(np.concatenate([df1.columns, df2.columns])).value_counts()
...: df1.add(df2, fill_value=0).div(s)
...:
28.7 ms ± 712 μs per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [42]: %%timeit
...: pd.concat([df1,df2]).mean(level = 0)
...:
65.5 ms ± 555 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [43]: df1.shape
Out[43]: (200000, 2)
In [44]: df2.shape
Out[44]: (200000, 2)
目前的获胜者：@jezrael(28.7 ms±712μs) – 恭喜！
内容总结
以上是互联网集市为您收集整理的python – 添加数据帧并根据可用性划分结果全部内容，希望文章能够帮你解决python – 添加数据帧并根据可用性划分结果所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。