仅当两个单元格均可用时，两个熊猫数据帧的两个平均值如何计算？

Question

我有2个这样的数据框：

df1 = pd.DataFrame({
    "a": [0.5,0.5,0.5],
    "b": [0.5,0.5,0.5],
    "c": [0.5,0.5,0.5]
}, index = ["a", "b", "c"])
df1

df2 = pd.DataFrame({
    "a": [0.3,0.3],
    "b": [0.3,0.3],
}, index = ["a", "b"])
df2

df2始终是df1的子集。

如果df2也包含df1的单元格（相同的索引和列），我想计算两者之间的加权平均值。如果不是，则df1的值应保持不变。

我可以这样：

average = pd.DataFrame()

for r in df1.columns:
    for c in df1.columns:
        try:
            average.loc[r, c] = 0.4 * df1.loc[r, c] + 0.6 * df2.loc[r, c]
        except KeyError:
            average.loc[r, c] = df1.loc[r, c]
        
average

但是，对于较大的数据帧，这会花费很长时间-是否有更快的方法？

非常感谢！

Answer 1

尝试fillna：

(df1 * 0.4 + df2 * 0.6).fillna(df1)

输出：

      a     b    c
a  0.38  0.38  0.5
b  0.38  0.38  0.5
c  0.50  0.50  0.5