熊猫数据框如何进行“逐元素”连接？答案

【问题标题】：pandas dataframe how to do "elementwise" concatenation?熊猫数据框如何进行“逐元素”连接？
【发布时间】：2021-02-02 00:53:16
【问题描述】：

我有两个具有相同形状、索引和列的熊猫数据框A,B。 A 的每个元素都是一个np.ndarray，形状为(n,1)，B 的每个元素都是一个浮点值。现在我想有效地将B elementwise 附加到A。一个最小的例子：

index = ['fst', 'scd']

column = ['a','b']

A
Out[23]: 
          a       b
fst  [1, 2]  [1, 4]
scd  [3, 4]  [3, 2]

B
Out[24]: 
            a         b
fst  0.392414  0.641136
scd  0.264117  1.644251

resulting_df = pd.DataFrame([[np.append(A.loc[i,j], B.loc[i,j]) for i in index] for j in column], columns=column, index=index)

resulting_df
Out[27]: 
                              a                           b
fst  [1.0, 2.0, 0.392414377685]  [3.0, 4.0, 0.264117463613]
scd  [1.0, 4.0, 0.641136433253]   [3.0, 2.0, 1.64425062851]

是否有类似于pd.DataFrame.applymap 的东西可以在两个而不是一个熊猫数据帧之间按元素操作？

【问题讨论】：

输入和预期输出（如果可能）
@Bharathshetty 添加。谢谢。
很好奇，这样存储数据有什么用？ DataFrames 最适合 mxn 标量，否则您也有 Panel 选项
@Zero 用于财务分析目的：索引是日期，列是股票池，我需要将 A 和 B 中的数据作为解释变量进行横截面回归。
我认为你的输出是错误的。 a 的 scd 应该是 [3.0, 4.0, 0.264117463613] na

标签： python pandas dataframe

【解决方案1】：

您可以使用 applymap 将 df2 中的元素转换为列表，然后只需普通添加即可组合列表，即

index = ['fst', 'scd']

column = ['a','b']


A = pd.DataFrame([[[1, 2],[1, 4]],[[3, 4],[3, 2]]],index,column)
B = pd.DataFrame([[0.392414,0.264117],[ 0.641136 , 1.644251]],index,column)

选项 1：

n =  B.applymap(lambda y: [y])
ndf = A.apply(lambda x : x+n[x.name])

选项 2：使用pd.concat 了解其工作原理检查here 即

pd.concat([A,B]).groupby(level=0).apply(lambda g: pd.Series({i: np.hstack(g[i].values) for i in A.columns}))

为了让你当前的方法给出正确的输出转移循环，即

pd.DataFrame([[np.append(A.loc[i,j], B.loc[i,j]) for j in A.columns] for i in A.index], columns=A.columns, index=A.index)

输出：

一个 fst [1.0, 2.0, 0.392414] [1.0, 4.0, 0.264117] scd [3.0, 4.0, 0.641136] [3.0, 2.0, 1.644251]

【讨论】：

感谢您的回答。不过，我不确定它是否比两个 for 循环更有效。
很抱歉，我一开始没有尝试您的解决方案，很快就会想出办法
不用担心。也许这种复杂性无法减轻。我发布这个问题主要是为了搜索现有的轮子，希望这些轮子可能比我们自己实现的更有效。

【解决方案2】：

你可以这样做：

>>> A + B.applymap(lambda x : [x])
                    a                 b
fst  [1, 2, 0.392414]  [1, 4, 0.264117]
scd  [3, 4, 0.641136]  [3, 2, 1.644251]

【讨论】：