比较数据框中的每个值列和行答案

【问题标题】：Comparing every values columns and rows in dataframes比较数据框中的每个值列和行
【发布时间】：2016-07-16 04:06:24
【问题描述】：

我有两个不同大小的数据框，我想对四个不同列中的所有值进行比较，（两组两个）

基本上我想看看 df1['A'] == df2['A'] & where df1['B'] == df2['B'] 并返回 df1['C']'s值加上 df2['C'] 的值

import pandas as pd
df1 = pd.DataFrame({"A": [1, 2, 3, 4, 3], "B": [2, 5, 4, 7, 5], "C": [1, 2, 8, 0, 0]})
df2 = pd.DataFrame({"A": [1, 3, 2, 4, 8], "B": [5, 5, 4, 9, 1], "C": [1, 3, 3, 4, 6]})


df1:
  A B C
0 1 2 1
1 2 5 2
2 3 4 8
3 4 7 0
4 3 5 0
...

df2:
  A B C
0 1 5 1
1 3 4 3
2 2 5 4
3 4 9 4
5 8 1 6
...

in: df1['A'] == df2['A'] & where df1['B'] == df2['B']
       df1['D'] = df1['C'] + df2['C'] 

out: df1:
  A B C D
0 1 2 1 nan
1 2 5 2 6
2 3 4 8 11
3 4 7 0 nan
4 3 5 0 nan

我的实际数据框要大得多（120000 行数据，“A”列的值从 1 到 700，“B”从 1 到 300）所以我知道这可能是一个更长的过程。

【问题讨论】：

我还想说两列 'A' 中的数字重复了几次，把它想象成网格平面上的两组数据，其中有一个列和一个专用于每个单元格的行号，我需要在两个单元格相等的情况下进行数学运算（两行相等，两列相等）在这种情况下，我将它们分别命名为“A”和“B”，但那是为了避免混淆，我敢肯定，我做得不太好。

标签： python pandas dataframe

【解决方案1】：

您可以merge 列 A 和 B 上的两个 DataFrames。由于您想保留来自 df1 的所有值，请对 df1 和 df2 进行左合并。来自df2 的合并列 C 将在 A 和 B 不匹配的地方为空。合并后，只需对合并后的列进行重命名并求和即可。

# Do a left merge, keeping df1 column names unchanged.
df1 = pd.merge(df1, df2, how='left', on=['A', 'B'], suffixes=('', '_2'))

# Add the two columns, fill locations that don't match with zero, and rename.
df1['C_2'] = df1['C_2'].add(df1['C']).fillna(0)
df1.rename(columns={'C_2': 'D'}, inplace=True)

【讨论】：

【解决方案2】：

你可以先合并两个数据框

In [145]: dff = pd.merge(df1, df2, on=['A', 'B'], how='left')

In [146]: dff
Out[146]:
   A  B  C_x  C_y
0  1  2    1  NaN
1  2  5    2    4
2  3  4    8    3
3  4  7    0  NaN

然后，对不存在空值的C_-{like} 列进行逐行求和，然后用零填充 NaN。

In [147]: dff['C'] = dff.filter(regex='C_').sum(skipna=False, axis=1).fillna(0)

In [148]: dff
Out[148]:
   A  B  C_x  C_y   C
0  1  2    1  NaN   0
1  2  5    2    4   6
2  3  4    8    3  11
3  4  7    0  NaN   0

而且，您可以删除/选择所需的列。

【讨论】：

感谢您的帮助，我明白您在说什么，但我忘了提到的是，在 df 的“A”列和“B”列中都有很多重复的数字“A”为 1-700，“B”为 1-300。