考虑 Python Pandas 中的以下数据框：
| ColA | ColB | ColC |
|---|---|---|
| 1 | dog | 439 |
| 1 | cat | 932 |
| 1 | frog | 932 |
| 2 | dog | 2122 |
| 2 | cat | 454 |
| 2 | frog | 773 |
| 3 | dog | 9223 |
| 3 | cat | 3012 |
| 3 | frog | 898 |
| ColD | ColE |
|---|---|
| 1 | 101 |
| 2 | 314 |
| 3 | 124 |
请注意，ColB 只是在 ColA 向上迭代时重复它的字符串值。 ColC 和 ColE 是随机的。 ColA 和 ColD 对应。 ColD 值永远不会有重复（如地图）。
我想在 ColA == ColD 的地方将 ColC 除以 ColE，理想情况下将结果值放在 DataframeA 的新列中（或者只是让它覆盖 ColC）。结果值应该可以有小数。
如何在 Python Pandas 中做到这一点？
【问题讨论】：
标签： python python-3.x pandas dataframe data-science
你可以使用.map
如果您有多个键可以加入，那么merge 会更有用，正如@anky 所展示的那样
df1['ColF'] = df1['ColC'] / df1['ColA'].map(df2.set_index(['ColD'])['ColE'])
ColA ColB ColC ColF
0 1 dog 439 4.346535
1 1 cat 932 9.227723
2 1 frog 932 9.227723
3 2 dog 2122 6.757962
4 2 cat 454 1.445860
5 2 frog 773 2.461783
6 3 dog 9223 74.379032
7 3 cat 3012 24.290323
8 3 frog 898 7.241935
【讨论】：
IIUC，您可以先合并再除，仅用于下面的新 df 使用，否则使用 @Manakin 的 answer。
out = (df_a.merge(df_b,left_on='ColA',right_on='ColD',how='left')
.assign(new=lambda x:x['ColC'].div(x['ColE'])).reindex(columns=[*df_a.columns]+['new']))
print(out)
ColA ColB ColC new
0 1 dog 439 4.346535
1 1 cat 932 9.227723
2 1 frog 932 9.227723
3 2 dog 2122 6.757962
4 2 cat 454 1.445860
5 2 frog 773 2.461783
6 3 dog 9223 74.379032
7 3 cat 3012 24.290323
8 3 frog 898 7.241935
【讨论】：
ColA 之外还有更多的键可以加入的话，这个解决方案感觉有点复杂？
left_on 和 right_on 支持列名列表。或者如果有匹配的列名，那么可以使用后缀 arg：(df_a.merge(df_b,left_on='ColA',right_on='ColD',how='left',suffixes=('','_y')) .assign(new=lambda x:x['ColC'].div(x['ColE'])).reindex(columns=[*df_a.columns]+['new'])) 这样它就可以保留原始名称并重新索引工作
keys 在多个列中加入，分配和 div/reindex 感觉有点复杂。