如何从Python中包含字符串和浮点的不同数据帧中分割两行。

Question

我有2个数据帧，我需要从2个数据帧中分割包含字符串和浮点的值，分割应该避免字符串，只在浮点上分割。

DF1

       Col1     Val11   Val12
    0  A        1       9
    1  B        3       1
    2  C        5       4
    3  D        1       3
    4  E        7       6

DF2

       Col2    Val21    Val22
    0  A       20       19
    1  B       35       11
    2  C       46       42
    3  D       31       53
    4  E       28       55

下面这行代码是我写的

df2.iloc['Percent'] = df1.iloc[4]/df2.iloc[4]

但是我得到了下面的错误信息。

TypeError:/：“str”和“str”的操作数类型不受支持

最终DF应该是这样的

       Col2    Val21    Val22
    0  A       20       19
    1  B       35       11
    2  C       46       42
    3  D       31       53
    4  E       28       55
               0.25     0.10

谢谢你的支持

Answer 1

试试这个：

df2.loc['Percent'] = df1.iloc[4, 1:] / df2.iloc[4, 1:]

Answer 2

您需要通过set\u index获取所有要索引的字符串列，然后除以：

df2 = df2.set_index('Col2')
df2.loc['Percent'] = df1.set_index('Col1').iloc[4].values / df2.iloc[4]
print (df2)

         Val21      Val22
Col2                     
A        20.00  19.000000
B        35.00  11.000000
C        46.00  42.000000
D        31.00  53.000000
E        28.00  55.000000
Percent   0.25   0.109091

如果有多个字符串列，则使用列的子集进行除法，并将子集添加到输出：

df2.loc['Percent'] = df1[['Val11','Val12']].iloc[4].values /  df2[['Val21','Val22']].iloc[4]
print (df2)
        Col2  Val21      Val22
0          A  20.00  19.000000
1          B  35.00  11.000000
2          C  46.00  42.000000
3          D  31.00  53.000000
4          E  28.00  55.000000
Percent  NaN   0.25   0.109091

更通用的解决方案：

str_cols1 = ['Col1']
str_cols2 = ['Col2']
df2.loc['Percent'] = df1.drop(str_cols1, axis=1).iloc[4].values /
                     df2.drop(str_cols2, axis=1).iloc[4]
print (df2)
        Col2  Val21      Val22
0          A  20.00  19.000000
1          B  35.00  11.000000
2          C  46.00  42.000000
3          D  31.00  53.000000
4          E  28.00  55.000000
Percent  NaN   0.25   0.109091

使用选择数据类型提供更好的解决方案：

df2.loc['Percent'] = df1.select_dtypes(['number']).iloc[4].values /
                     df2.select_dtypes(['number']).iloc[4]
print (df2)
        Col2  Val21      Val22
0          A  20.00  19.000000
1          B  35.00  11.000000
2          C  46.00  42.000000
3          D  31.00  53.000000
4          E  28.00  55.000000
Percent  NaN   0.25   0.109091

按注释编辑：

使用to_numeric将非数值替换为NaN：

df1_numeric = df1.apply(lambda x: pd.to_numeric(x, errors='coerce'))
df2_numeric = df2.apply(lambda x: pd.to_numeric(x, errors='coerce'))

df2.loc['Percent'] = df1_numeric.iloc[4].values / df2_numeric.iloc[4]
print (df2)
        Col2  Val21     Val22
0          A  20.00        19
1          B  35.00         a
2          C  46.00        42
3          D  31.00        53
4          E  28.00        55
Percent  NaN   0.25  0.109091