根据来自不同数据帧的两列条件将列相乘？答案

【问题标题】：Multiply columns based on two columns conditions from different dataframes?根据来自不同数据帧的两列条件将列相乘？
【发布时间】：2019-10-04 16:47:38
【问题描述】：

我有两个数据框，如下所示：

dfA = 
Country      City           Pop
US           Washington     1000
US           Texas          5000
CH           Geneva         500
CH           Zurich         500


dfB = 
Country      City           Density (pop/km2)
US           Washington     10
US           Texas          50
CH           Geneva         5
CH           Zurich         5

我想要的是比较两个数据帧中的 Country 和 City 列，以及当它们匹配时，例如：

US Washington & US Washington 在两个数据帧中，它采用Pop 值并将其除以Density，以便在dfB 中得到一个新列area 并得到除法。 第一行结果示例 dfB['area km2'] = 100

我已尝试使用 np.where()，但它无法正常工作。关于如何实现这一点的任何提示？

【问题讨论】：

标签： python python-3.x pandas numpy

【解决方案1】：

使用索引匹配和div

match_on = ['Country', 'City']
dfA = dfA.set_index(match_on)
dfA.assign(ratio=dfA.Pop.div(df.set_index(['Country', 'City'])['Density (pop/km2)']))

Country  City      
US       Washington    100.0
         Texas         100.0
CH       Geneva        100.0
         Zurich        100.0
dtype: float64

【讨论】：

酷！所以，对于你的两点。首先，您始终可以dropna 处理您不会使用的行。默认情况下，索引匹配执行类似右合并的操作，因此可能会弹出一些NaNs 是有意义的。第二，没问题。您可以存储和使用assign - 检查编辑
这是一个不同的问题..您可能有重复的索引..您可以更新您的minimal reproducible example 以便我们重现您的（新）问题吗？
不错！然后，从对您最有帮助的那两个中选择答案并接受它以供将来推荐；}

【解决方案2】：

您也可以使用merge 将两个数据框合并并照常划分：

dfMerge = dfA.merge(dfB, on=['Country', 'City'])
dfMerge['area'] = dfMerge['Pop'].div(dfMerge['Density (pop/km2)'])
print(dfMerge)

输出：

  Country        City   Pop  Density (pop/km2)   area
0      US  Washington  1000                 10  100.0
1      US       Texas  5000                 50  100.0
2      CH      Geneva   500                  5  100.0
3      CH      Zurich   500                  5  100.0

【讨论】：

【解决方案3】：

你也可以像下面这样使用合并

dfB["Area"] = dfB.merge(dfA, on=["Country", "City"], how="left")["Pop"] / dfB["Density (pop/km2)"]
dfB

【讨论】：