Question

我有两个具有相同形状，索引和列的pandas数据帧A,B。 A的每个元素都是np.ndarray，形状为(n,1)，B的每个元素都是浮点值。现在我希望有效地将B元素附加到A。一个最小的例子：

index = ['fst', 'scd']

column = ['a','b']

A
Out[23]: 
          a       b
fst  [1, 2]  [1, 4]
scd  [3, 4]  [3, 2]

B
Out[24]: 
            a         b
fst  0.392414  0.641136
scd  0.264117  1.644251

resulting_df = pd.DataFrame([[np.append(A.loc[i,j], B.loc[i,j]) for i in index] for j in column], columns=column, index=index)

resulting_df
Out[27]: 
                              a                           b
fst  [1.0, 2.0, 0.392414377685]  [3.0, 4.0, 0.264117463613]
scd  [1.0, 4.0, 0.641136433253]   [3.0, 2.0, 1.64425062851]

是否有类似pd.DataFrame.applymap的内容可以在两个而不仅仅是一个pandas数据帧之间以元素方式运行？

Answer 1

您可以使用applymap将df2中的元素转换为列表，然后将普通加法组合成列表，即

index = ['fst', 'scd']

column = ['a','b']


A = pd.DataFrame([[[1, 2],[1, 4]],[[3, 4],[3, 2]]],index,column)
B = pd.DataFrame([[0.392414,0.264117],[ 0.641136 , 1.644251]],index,column)

选项1 ：

n =  B.applymap(lambda y: [y])
ndf = A.apply(lambda x : x+n[x.name])

选项2 ：使用pd.concat来了解其工作原理检查here即

pd.concat([A,B]).groupby(level=0).apply(lambda g: pd.Series({i: np.hstack(g[i].values) for i in A.columns}))

为了使你当前的方法给出正确的输出移位循环，即

pd.DataFrame([[np.append(A.loc[i,j], B.loc[i,j]) for j in A.columns] for i in A.index], columns=A.columns, index=A.index)

输出：

                       a                     b
fst  [1.0, 2.0, 0.392414]  [1.0, 4.0, 0.264117]
scd  [3.0, 4.0, 0.641136]  [3.0, 2.0, 1.644251]

Answer 2

你可以简单地这样做：

>>> A + B.applymap(lambda x : [x])
                    a                 b
fst  [1, 2, 0.392414]  [1, 4, 0.264117]
scd  [3, 4, 0.641136]  [3, 2, 1.644251]

pandas dataframe如何做“elementwise”连接？

2 个答案: