pandas 指定列为基准相加两个数据

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本需求是两个相同结构的 DataFrame，相同结构是指它们的列数和列名相同，需求要求将两个数据按照指定的两个列为基准，将对应位置相加，得到最终的结果。

数据与需求

我们构造两个数据如下：

import pandas as pd
import io

data1 = '''
x1 x2 value1 value2
 A  C      1      2
 B  D      3      4
 C  E      5      6
'''

data2 = '''
 x1   x2  value1  value2
  A    E     1.0     2.0
  B    D     3.0     4.0
  C    F     5.0     6.0
  B  NaN     3.0     NaN
NaN    T     NaN     NaN
'''

df1 = pd.read_csv(io.StringIO(data1), sep=r'\s+')
df2 = pd.read_csv(io.StringIO(data2), sep=r'\s+')

df1
# ...

df2
# ...

这两个 DataFrame 的相同，期望以 x1 和 x2 为基础，将 value1 和 value2 两个列的对应数据相加，最终的数据是以先 df1 后 df2 为顺序的。

'''
    x1   x2  value1  value2
0    A    C     1.0     2.0
1    B    D     6.0     8.0
2    C    E     5.0     6.0
3    A    E     1.0     2.0
4    B    D     6.0     8.0
5    C    F     5.0     6.0
6    B  NaN     3.0     NaN
7  NaN    T     NaN     NaN
'''

思路

这是一个典型的向量化将两个数据相加的问题，pandas 向量化计算时会以行列标签进行对齐，然后将对应位置的值进行计算。

先将这两个数据的 x1 和 x2 设置为索引，进行向量化操作。具体到此需求时，会涉及到无法对齐的问题，我们可以用 add() 方法中的 fill_value 参数进行指定无法对齐的值。

然后再用 reindex() 重新设置索引的顺序，传入的多层索引需要将两个 DataFrame 的索引拼接起来。

最后，再重置索引，得到最终想要的数据。

代码

先将两个 DataFrame 重新设置索引：

_, d1, d2 = (cols:=['x1', 'x2'],
             df1.set_index(cols),
             df2.set_index(cols)
            )

然后向量化相加、重新指定索引、重置索引：

(
    d1.add(d2, fill_value=0)
    .reindex(d1.index.append(d2.index))
    .reset_index()
)
'''
    x1   x2  value1  value2
0    A    C     1.0     2.0
1    B    D     6.0     8.0
2    C    E     5.0     6.0
3    A    E     1.0     2.0
4    B    D     6.0     8.0
5    C    F     5.0     6.0
6    B  NaN     3.0     NaN
7  NaN    T     NaN     NaN
'''

这样就完成了最终的需求。

（完）

pandas 指定列为基准相加两个数据

数据与需求

思路

代码

相关内容