根据另一个数据集中的列的值在一个数据框中创建列
我有两个熊猫数据框
import pandas as pd
import numpy as np
import datetime
# intialise data of lists.
data = {'group' :["A","A","A","B","B","B","B"],
'val': ["AA","AB","AC","B1","B2","AA","AB"],
'cal1' :[4,5,7,6,5,8,9],
'cal2' :[10,100,100,10,1,10,100]
}
# Create DataFrame
df1 = pd.DataFrame(data)
df1
group val cal1 cal2
0 A AA 4 10
1 A AB 5 100
2 A AC 7 100
3 B B1 6 10
4 B B2 5 1
5 B AA 8 10
6 B AB 9 100
import pandas as pd
import numpy as np
import datetime
# intialise data of lists.
data = {'group' :["A","A","A","B","B","B","B"],
'flag' : [1,0,0,1,0,0,0],
'var1': [1,2,3,7,8,9,10]
}
# Create DataFrame
df2 = pd.DataFrame(data)
df2
group flag var1
0 A 1 1
1 A 0 2
2 A 0 3
3 B 1 7
4 B 0 8
5 B 0 9
6 B 0 10
步骤1：根据df1中唯一的“val”在df2中创建列，如下所示：
unique_val = df1['val'].unique().tolist()
new_cols = [t + '_new' for t in unique_val]
for i in new_cols:
df2[i] = 0
df2
group flag var1 AA_new AB_new AC_new B1_new B2_new
0 A 1 1 0 0 0 0 0
1 A 0 2 0 0 0 0 0
2 A 0 3 0 0 0 0 0
3 B 1 7 0 0 0 0 0
4 B 0 8 0 0 0 0 0
5 B 0 9 0 0 0 0 0
6 B 0 10 0 0 0 0 0
步骤2：对于flag=1的行，AA_new将计算为var1（来自df2）*组“A”和val“AA”的df1的'cal1'值*组“A”和val“AA”的df1的'cal2'值，类似地，AB_new将计算为var1（来自df2）*组“A”和val“AB”的df1的'cal1'值*组“A”和val“AB”的df1的'cal2'值
我的预期输出如下所示：
group flag var1 AA_new AB_new AC_new B1_new B2_new
0 A 1 1 40 500 700 0 0
1 A 0 2 0 0 0 0 0
2 A 0 3 0 0 0 0 0
3 B 1 7 570 6300 0 420 35
4 B 0 8 0 0 0 0 0
5 B 0 9 0 0 0 0 0
6 B 0 10 0 0 0 0 0
共有1个答案
使用DataFrame。透视表与GroupBy。b填写a然后我们可以使用DataFrame。mul。
df2.assign(**df1.pivot_table(columns='val',
values='cal',
index = ['group', df2.index])
.add_suffix('_new')
.groupby(level=0)
#.apply(lambda x: x.bfill().ffill()) #maybe neccesary instead bfill
.bfill()
.reset_index(level='group',drop='group')
.fillna(0)
.mul(df2['var1'], axis=0)
.where(df2['flag'].eq(1), 0)
#.astype(int) # if you want int
)
输出
group flag var1 AA_new AB_new AC_new B1_new B2_new
0 A 1 1 4.0 5.0 7.0 0.0 0.0
1 A 0 2 0.0 0.0 0.0 0.0 0.0
2 A 0 3 0.0 0.0 0.0 0.0 0.0
3 B 1 7 56.0 63.0 0.0 42.0 35.0
4 B 0 8 0.0 0.0 0.0 0.0 0.0
5 B 0 9 0.0 0.0 0.0 0.0 0.0
6 B 0 10 0.0 0.0 0.0 0.0 0.0
编辑
df2.assign(**df1.assign(mul_cal = df1['cal1'].mul(df1['cal2']))
.pivot_table(columns='val',
values='mul_cal',
index = ['group', df2.index])
.add_suffix('_new')
.groupby(level=0)
#.apply(lambda x: x.bfill().ffill()) #maybe neccesary instead bfill
.bfill()
.reset_index(level='group',drop='group')
.fillna(0)
.mul(df2['var1'], axis=0)
.where(df2['flag'].eq(1), 0)
#.astype(int) # if you want int
)
group flag var1 AA_new AB_new AC_new B1_new B2_new
0 A 1 1 40.0 500.0 700.0 0.0 0.0
1 A 0 2 0.0 0.0 0.0 0.0 0.0
2 A 0 3 0.0 0.0 0.0 0.0 0.0
3 B 1 7 560.0 6300.0 0.0 420.0 35.0
4 B 0 8 0.0 0.0 0.0 0.0 0.0
5 B 0 9 0.0 0.0 0.0 0.0 0.0
6 B 0 10 0.0 0.0 0.0 0.0 0.0
-
我有两个pyspark数据帧 DF1 ： df2: 我想向df1添加一个列Location_Id，从df2获取匹配的Id，如下所示: 我如何才能做到这一点？
-
问题内容： 我有两个数据框，第一个有1000行，看起来像： 该列具有不同的值，有时会重复，但通常大约有50个唯一值。 第二个数据框包含所有这50个唯一值（50行）以及与这些值关联的酒店： 我的目标是用第二个数据帧的列的相应值替换第一个数据帧的列中的值，或者用相应的值创建该列。当我尝试通过像 我有一个错误，即数据帧的大小不相等，因此无法进行比较 问题答案： 如果将索引设置为另一个df上的“组”列，则
-
我有两个共享分组ID的数据帧。我希望根据另一个设置的条件在其中创建一个日期序列。MRE如下： 在这个例子中，我想在 中创建一列日期，从 中的下一个日期开始（每个组 - 组中的 在 中， 在 中）。 具有数据。表中，这些（可怕的）方法都不起作用： 我一直在尝试数据。表方法，因为它们被认为更快（而且实际数据相当大），但实际上，任何（合理的）方法都可以。 我的预期结果是一个看起来像这样的 data.fr
-
问题内容： 我有点被困在提取另一个变量的条件变量的值上。例如，以下数据框： 如何获得when的价值？每当我提取的值时，我都会得到一个对象，而不是字符串。 问题答案： 您可以用来获取满足条件的序列，然后获取第一个元素：
-
问题内容： 我有一个具有多个列和行的数据框 df1 。简单的例子： 我想创建一个空的数据框 df2， 然后再添加带有计算结果的新列。 目前，我的代码如下所示： …添加两个新列： 有没有更好/更安全/更快的方法呢？是否可以创建一个空的数据帧df2并仅从df1复制索引？ 问题答案： 这将创建一个没有列但只有一个索引的DataFrame，并且它将与df1中的索引相同。
-
问题内容： 我有2个数据框。 我想遍历每行，并检查每个名称是否在中。 如果名称在其中，结果应返回1，否则返回0： 谢谢。 问题答案： 采用 在数据框中显示结果 在系列对象中