Question

我搜索了档案，但没找到我想要的东西（可能是因为我真的不知道要使用哪些关键词）

这是我的问题：我有一堆数据帧需要合并;我还想用数据帧的总和来更新列子集的值。

例如，我有两个数据帧，df1和df2：

df1=pd.DataFrame([ [1,2],[1,3], [0,4]], columns=["a", "b"])
df2=pd.DataFrame([ [1,6],[1,4]], columns=["a", "b"])

    a   b           a   b
0   1   2       0   1   5
1   1   3       2   0   6
2   0   4

合并后，我希望将列'b'更新为匹配记录的总和，而列'a'应该像df1（或df2，真的不在乎）一样：

现在，将其展开以合并三个或更多数据框。

这样做有直接的内置技巧吗？或者我需要逐行处理？

=====编辑/澄清=====

在现实世界的示例中，每个数据帧可能包含不在其他数据帧中的索引。在这种情况下，合并的数据框应该具有所有这些并使用sum（或其他一些操作）更新共享条目/索引。

Answer 1

仅部分，尚未完整的解决方案。但重点是解决了：

df3 = pd.concat([df1, df2], join = "outer", axis=1)
df4 = df3.b.sum(axis=1)

df3会有两个＆＃39; a＆＃39;列和两个＆＃39; b＆＃39;列。 df3.b上的sum（）函数添加了两个＆＃39; b＆＃39;列并忽略NaN。现在df4有专栏＆＃39; b＆＃39;总和为df1和df2＆＃39; b＆＃39;列和所有索引。

没有解决专栏＆＃39; a＆＃39;虽然。在我的实际情况中，df3.a中的NaN数量很少，而df3.a中的其他数量应该相同。我还没有找到一种简单的方法来制作一个专栏＆＃39; a＆＃39;在df4中，用非NaN填充值。现在正在搜索＆＃34;计数＆＃34;函数来获取df3.a行中元素的出现（想象它有几十列＆＃39; a＆＃39;）。

使用列操作合并pandas数据帧

1 个答案: