Question

我遇到的问题是我有一个大型数据帧（~300,000行），每个主题有多行代表不同条件下的给定值。简化版如下所示：

In [12]: df1
Out[12]:
   SubID  Condition  Value
0      1          1  0.123
1      1          2  0.234
2      2          1  0.345
3      2          2  0.456
4      3          1  0.567
5      3          2  0.678
6      4          1  0.789

我还有第二张表，其中只有80多行，其中包含受试者所属的遗传组。

我希望将该数据添加到第一个DataFrame中。编码表的简化版如下所示：

In [17]: df2
Out[17]:
   Subject Number Genetic Group
0               1             A
1               2             C
2               3             A
3               4             B

我最终想要的是：

In [19]: df1
Out[19]:
   SubID  Condition  Value Genetic Group
0      1          1  0.123             A
1      1          2  0.234             A
2      2          1  0.345             C
3      2          2  0.456             C
4      3          1  0.567             A
5      3          2  0.678             A
6      4          1  0.789             B

我可以使用for：loop但是想知道是否有一个方法使用任何Pandas DataFrame合并或加入操作来避免这种情况？非常感谢，

Answer 1

您可以按SubID编制索引，然后使用join获取所需内容：

df1.set_index("SubID", inplace=True)
df2.set_index("Subject Number", inplace=True)
df3 = df1.join(df2, how="left")

或者，您可以使用merge完成而无需编制索引：

df3 = df1.merge(df2, left_on="SubID", right_on="Subject Number", how="left")

Answer 2

另一种方式是：

In [1]: import pandas as pd

In [2]: a = pd.DataFrame({"SubID":[1,1,2,2], "Condition":[1,2,1,2], "Value":[.123,.234,.345,.456]})

In [3]: a
Out[3]: 
   Condition  SubID  Value
0          1      1  0.123
1          2      1  0.234
2          1      2  0.345
3          2      2  0.456

In [4]: a = a.set_index(["SubID","Condition"]).unstack()

In [5]: b = pd.DataFrame({"Subject Number":[1,2], "Genetic Group":['A','C']})

In [6]: b
Out[6]: 
  Genetic Group  Subject Number
0             A               1
1             C               2

In [7]: b["Condition"] = "Genetic Group"

In [8]: b = b.rename(columns={"Genetic Group":"Value"})

In [9]: b = b.set_index(["Subject Number","Condition"]).unstack()

In [10]: b
Out[10]: 
                       Value
Condition      Genetic Group
Subject Number              
1                          A
2                          C

In [11]: r = a.merge(b, left_index=True, right_index=True)

In [12]: r
Out[12]: 
           Value                Value
Condition      1      2 Genetic Group
SubID                                
1          0.123  0.234             A
2          0.345  0.456             C

In [13]: r = r.unstack()

In [14]: r = r.swaplevel(0,2).sort_index()

In [15]: r
Out[15]: 
SubID  Condition           
1      1              Value    0.123
       2              Value    0.234
       Genetic Group  Value        A
2      1              Value    0.345
       2              Value    0.456
       Genetic Group  Value        C

使用来自单独DataFrame的编码数据向Pandas DataFrame添加新列而不使用Loop？

2 个答案: