Question

我有一个包含3列的pandas groupby系列，我想根据另一个pandas数据帧的值对第三列进行更改

Data1                               Data2(unique names)

name    col1    col2                name   col
a       10      -0.2                x      0.002
b       80      0.3                 a      0.004
a       72      1.1                 b      0.007
a       54      0.8                 ... 
b       90     -3.2

创建pandas数据帧

df1 = pd.DataFrame.from_dict(Data1)
df2 = pd.DataFrame.from_dict(Data2)

并按第一个数据帧分组

df1Groupby = df1.groupby(df1.keys()[0])

使用df1

中的公用名获取df2中的行

common = {}
for i in df2[df2.keys()[0]]:
    if i in df1[df1.keys()[0]].unique():
        common[i] = df2[df2.keys()[0]==i][df2.keys()[1]].values
dfcommon = pd.DataFrame.from_dict(common)

现在我想将Data1中的col2更改为

col2 = col2 + col1 * col

定义一个函数

def my_func(group, amt):
    group[group.keys()[2]] = group[group.keys()[2]] + group[group.keys()[1]] * amt
    return group

然后在主调用函数

for i in dfcommon.index:
    df1Groupby.get_group(i).apply(my_func, dfcommon.loc[i].values[0],axis=1)

然后我收到以下错误

TypeError：apply（）获得参数'axis'的多个值

不确定我的方法是否正确，并希望得到任何帮助。

Answer 1

使用pandas.Series.map这很简单。您将在'name'和'col'之间创建映射。在这种情况下，您不需要“合并”（加入）两个数据帧，因为您只想从第二个数据帧中检索一个值。

# create a mapper
mapper = Data2.set_index('name')['col']
mapped_value = Data1['name'].map(mapper)

# crete new column
data1['new_column'] = data1['col1'] + data1['col2'] * mapped_value

希望这是你想要实现的目标。如果没有，请提供更多细节和所需的输出！

如何根据另一个数据框的值对pandas groupby应用更改？

1 个答案: