使用来自另一个数据帧的信息重新组合一个数据帧中的数据

Question

我有以下两个数据框：

import pandas as pd
from datetime import datetime

df_two = pd.DataFrame({'A': ['Jan', 'Jan', 'Feb', 'Feb', 'March', 'March'],
                       'B': ['Feb', 'Feb', 'March', 'March', 'Jan', 'Jan'],
                       'C': ['March', 'March', 'Jan', 'Jan', 'Feb', 'Feb']},
                      index=[datetime(2020, 1, 1), datetime(2020, 1, 2),
                             datetime(2020, 1, 3), datetime(2020, 1, 4),
                             datetime(2020, 1, 5), datetime(2020, 1,6)] )

df_one = pd.DataFrame({'series_one': [2, 5, 16, 17, 88, 89],
                       'series_two': [12, 15, 86, 87, 8, 9],
                       'series_three': [82, 85, 6, 7, 18, 19]},
                      index=[datetime(2020, 1, 1), datetime(2020, 1, 2),
                             datetime(2020, 1, 3), datetime(2020, 1, 4),
                             datetime(2020, 1, 5), datetime(2020, 1, 6)])

看起来像这样：

df_one
            series_one  series_two  series_three
2020-01-01           2          12            82
2020-01-02           5          15            85
2020-01-03          16          86             6
2020-01-04          17          87             7
2020-01-05          88           8            18
2020-01-06          89           9            19

和

df_two
                A      B      C
2020-01-01    Jan    Feb  March
2020-01-02    Jan    Feb  March
2020-01-03    Feb  March    Jan
2020-01-04    Feb  March    Jan
2020-01-05  March    Jan    Feb
2020-01-06  March    Jan    Feb

我想利用这两个数据框的信息，得到如下视图：

            Jan  Feb  March
2020-01-01    2   12     82
2020-01-02    5   15     85
2020-01-03    6   16     86
2020-01-04    7   17     87
2020-01-05   88   18     88
2020-01-06   89   19     89

我该怎么做？

Answer 1

你可以试试apply:

def func(row):
    y = df_one.loc[row.name]
    u = (dict(zip(row.values,y.values)))
    return u
res = pd.DataFrame(list(df_two.apply(func,axis=1)), index=df_two.index)

分辨率：

	Jan	Feb	March
2020-01-01	2	12	82
2020-01-02	5	15	85
2020-01-03	6	16	86
2020-01-04	7	17	87
2020-01-05	8	18	88
2020-01-06	9	19	89

映射月份 (Jan, Feb, March) 和 values

映射将如下所示：

{'Jan': 2, 'Feb': 12, 'March': 82}
{'Jan': 5, 'Feb': 15, 'March': 85}
{'Feb': 16, 'March': 86, 'Jan': 6}
{'Feb': 17, 'March': 87, 'Jan': 7}
{'March': 88, 'Jan': 8, 'Feb': 18}
{'March': 89, 'Jan': 9, 'Feb': 19}

使用它您可以创建一个数据框。

假设它们都具有相同的索引和相同的大小。

一个班轮解决方案：

res = pd.DataFrame([dict(zip(df_two.to_numpy()[idx], l)) for idx,l in enumerate(df_one.to_numpy())], index=df_one.index) 

如果您想处理通用索引。

i = df_one.index.intersection(df_two.index)
res = pd.DataFrame([dict(zip(df_two.loc[i].to_numpy()[idx], l)) for idx,l in enumerate(df_one.loc[i].to_numpy())], index=i)

Answer 2

让我们使用一些 pandas 的整形和连接方法：

df_one = df_one.rename(columns=dict(zip(df_one.columns, df_two.columns)))
df_out = df_one.stack().reset_index(name='value').merge(df_two.stack().reset_index(name='month'))
df_out = df_out.pivot('level_0', 'month', 'value').rename_axis(index=None, columns=None)
print(df_out)

输出：

            Feb  Jan  March
2020-01-01   12    2     82
2020-01-02   15    5     85
2020-01-03   16    6     86
2020-01-04   17    7     87
2020-01-05   18    8     88
2020-01-06   19    9     89

详情：

• 首先，让我们使用 rename、dict 和 拉链
• 堆叠每个数据帧和 reset_index 创建通用列标题 合并
• 使用枢轴重塑结果数据框

Answer 3

如果它更复杂，它可能无法解决您的问题，但它可能是一个起点：

pd.DataFrame(list(df_one.apply(lambda x: [x[list(df_two.loc[x.name]=="Jan").index(True)],
                        x[list(df_two.loc[x.name]=="Feb").index(True)],
                        x[list(df_two.loc[x.name]=="March").index(True)]],axis = 1)),
             index = df_one.index,
             columns = ["Jan","Feb", "March"])

输出：

            Jan Feb March
2020-01-01  2   12  82
2020-01-02  5   15  85
2020-01-03  6   16  86
2020-01-04  7   17  87
2020-01-05  8   18  88
2020-01-06  9   19  89