Python 函数使用来自另一个 Dataframe 的值在 Pandas Dataframe 中添加值答案

【问题标题】：Python function to add values in a Pandas Dataframe using values from another DataframePython 函数使用来自另一个 Dataframe 的值在 Pandas Dataframe 中添加值
【发布时间】：2015-11-20 19:00:12
【问题描述】：

我是 Python 的新手，我正在努力编写 PHP/SQL 中看似简单的东西，希望您能帮助我。

我有 2 个 Pandas 数据框，我已对其进行了简化以便更好地理解。

在第一个数据框 df2015 中，我有 2015 年的销售额。！请注意，不幸的是，我们没有每个商店的所有值！

>>> df2015

    Store   Date        Sales       
0   1       2015-01-15  6553        
1   3       2015-01-15  7016        
2   6       2015-01-15  8840    
3   8       2015-01-15  10441
4   9       2015-01-15  7952

另一个名为 df2016 的数据框用于 2016 年的销售预测，其中列出了 ALL 商店。
（如您所料，列 SalesForecast 是要填充的列。）

>>> df2016

    Store   Date        SalesForecast
0   1       2016-01-15      
1   2       2016-01-15  
2   3       2016-01-15  
3   4       2016-01-15  
4   5       2016-01-15

我想创建一个函数，为 df2016 中的每一行检索 df2015 中的销售额值，例如，将这些值增加 5% 并添加df2016 的 SalesForecast 列中的这些新值。

假设 forecast 是我创建的要应用的函数：

def forecast(store_id,date):
    sales2015 = df2015['Sales'].loc[(df2015['Store'].values == store_id) & (df2015['Date'].values == date )].values
    forecast2016 = sales2015 * 1.05
    return forecast2016

我已经用下面的硬编码方式测试了这个函数，它可以工作：

>>> forecast(1,'2015-01-15')
array([ 6880.65])

但这里是我的问题所在...如何将此函数应用于数据帧？

通过为 df2016 中的每一行创建一个循环并通过 SELECT 从 df2015 检索值（如果存在），在 PHP 中很容易做到这一点和 WHERE Store = store_id 和 Date = date.. ...但看起来逻辑与 Pandas Dataframes 和 Python 不一样。

我已经尝试了 apply 功能如下：

df2016['SalesForecast'] = df2016.apply(df2016['Store'],df2016['Date'])

但我无法正确提出论点，或者我做错了什么..

我认为我没有好的方法，或者我的方法可能根本不适合 Pandas 和 Python..？

【问题讨论】：

标签： python function python-2.7 pandas apply

【解决方案1】：

我相信你快到了！缺少的是函数，你已经传入了参数。

apply 函数接受一个函数及其参数。文档是here。

如果没有在我自己的系统上尝试过，我建议这样做：

df2016['SalesForecast'] = df2016.apply(func=forecast, args=(df2016['Store'],df2016['Date']))

【讨论】：

我很抱歉，我认为 broadcast 参数是不必要的。我已经删除了。

【解决方案2】：

Pandas 的优点之一是它可以很好地处理丢失的数据。诀窍是在两个数据帧上使用公共索引。例如，如果我们将两个数据框的索引都设置为“Store”列：

df2015.set_index('Store', inplace=True)
df2016.set_index('Store', inplace=True)

那么做你想做的事就这么简单：

df2016['SalesForecast'] = df2015['Sales'] * 1.05

导致：

             Date  SalesForecast
Store                           
1      2016-01-15        6880.65
2      2016-01-15            NaN
3      2016-01-15        7366.80
4      2016-01-15            NaN
5      2016-01-15            NaN

商店 2 的 SalesForecast 是 NaN 反映了 df2015 数据帧中不存在商店 2 的事实。

【讨论】：

【解决方案3】：

请注意，如果您只需要将 df2015 中的 Sales 列乘以 1.05，您就可以这样做，全部在 df2015 中：

In [18]: df2015['Forecast'] = df2015['Sales'] * 1.05

In [19]: df2015
Out[19]: 
   Store        Date  Sales  Forecast
0      1  2015-01-15   6553   6880.65
1      3  2015-01-15   7016   7366.80
2      6  2015-01-15   8840   9282.00
3      8  2015-01-15  10441  10963.05
4      9  2015-01-15   7952   8349.60

此时，如果您需要该结果出现在df2016 数据集中，您可以将该结果加入df2016：

In [20]: pandas.merge(df2016,      # left side of join
                      df2015,      # right side of join
                      on='Store',  # similar to SQL 'on' for 'join'
                      how='outer', # same as SQL, outer join.
                      suffixes=('_2016', '_2015')) # rename same-named
                                                   # columns w/suffix
Out[20]: 
   Store   Date_2016   Date_2015  Sales  Forecast
0      1  2016-01-15  2015-01-15   6553   6880.65
1      2  2016-01-15         NaN    NaN       NaN
2      3  2016-01-15  2015-01-15   7016   7366.80
3      4  2016-01-15         NaN    NaN       NaN
4      5  2016-01-15         NaN    NaN       NaN
5      6  2016-01-15  2015-01-15   8840   9282.00
6      7  2016-01-15         NaN    NaN       NaN
7      8  2016-01-15  2015-01-15  10441  10963.05
8      9  2016-01-15  2015-01-15   7952   8349.60

如果两个 DataFrame 碰巧已经有兼容的索引，您可以直接在结果列中写入 df2016，即使它是在另一个 DataFrame 上的计算，例如 df2015。不过一般来说，您需要注意这一点，明确地执行连接可能更通用（就像我在上面使用 merge 函数所做的那样）。哪种方式最好取决于您的应用程序和您对索引列的了解。

对于列、整个 DataFrame 或子帧组的更一般的函数应用，请参阅the documentation for this type of operation in Pandas。

还有一些食谱示例的链接，并与您可能用 SQL 表达类似操作的方式进行比较。

请注意，我创建了数据以使用以下命令复制您的示例数据：

df2015 = pandas.DataFrame([[1, datetime.date(2015, 1, 15), 6553], 
                           [3, datetime.date(2015, 1, 15), 7016], 
                           [6, datetime.date(2015, 1, 15), 8840], 
                           [8, datetime.date(2015, 1, 15), 10441], 
                           [9, datetime.date(2015, 1, 15), 7952]],
                          columns=['Store', 'Date', 'Sales'])

from itertools import izip_longest
df2016 = pandas.DataFrame(
    list(izip_longest(range(1,10), 
                      [datetime.date(2016, 1, 15)], 
                      fillvalue=datetime.date(2016, 1, 15))), 
    columns=['Store', 'Date']
)

【讨论】：