Question

我想加入（或合并？）两个数据框。它们如下所示：

表 1 (= df)

index  |   year  |  country
----------------------------
0      |   1970  | NL
1      |   1970  | UK
2      |   1980  | US
3      |   1990  | NL
4      |   1990  | US

表 2 (= df_gdp)

cntry  |   1970  |  1980   |   1990
-----------------------------------
NL     |   5     |    3    |   0
UK     |   1     |    7    |   1
US     |   9     |    2    |   0

结果应该是带有附加列“GDP”的表 1。应使用 Table1.year 和 Table.country 的值来查找 Table2 中的值。所以结果是：

index  |   year  |  country  | GDP 
--------------------------------------
0      |   1970  | NL        | 5
1      |   1970  | UK        | 1
2      |   1980  | US        | 2
3      |   1990  | NL        | 0
4      |   1990  | US        | 0

我已经用 .iterrows() 编写了该函数，但正如预期的那样，这并没有很好的性能。相反，我想知道结果是否也可以通过 .join() 或 .merge() 实现。我不明白的是如何根据索引（cntry）和变化的列（年份）进行合并/连接。 .iterrows() 的代码如下所示：

# Add GDP data 
for index, row in df.iterrows():
    gdp_year = str(df.iloc[index].year)
    gdp_country = str(df.iloc[index].country)
    
    try:
        df.at[index, 'GDP'] = df_gdp.loc[gdp_country][gdp_year]
    except:
        df.at[index, 'GDP'] = 0
df

Answer 1

您可以创建一个将数据帧作为参数的函数，并将其应用于 df：

def f(x):
    return df_gdp.loc[x['country'],x['year']]

df['GDP']=df.apply(f, axis=1)

结果：

   year country  GDP
0  1970      NL    5
1  1970      UK    1
2  1980      US    2
3  1990      NL    0
4  1990      US    0

Answer 2

您也可以按如下方式使用 merge。

说明：

将索引设置为country列，然后执行stack操作，这样您就可以获得行中的列。然后你需要reset_index()来获得类似于df1的数据帧结构。之后，您需要使用 set_axis() 指定列名，以便稍后在执行合并操作时进行映射。

最后只对 df1 和预处理过的 df_m 数据帧执行合并操作（默认为内连接操作）。

import pandas as pd

data1 = {
    'year':['1970','1970','1980','1990','1990'],
    'country':['NL','UK','US','NL','US']
}

data2 = {
    'country':['NL','UK','US'],
    '1970':[5,1,9],
    '1980':[3,7,2],
    '1990':[0,1,0]
}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

# See below code
df_m = df2.set_index('country').stack().reset_index().set_axis(['country', 'year', 'GDP'], axis=1)
pd.merge(df1, df_m, on=['year','country'])

Answer 3

您可以使用 melt 和 merge：

df2.rename({'cntry': 'country'}, axis=1)\
.melt('country', var_name='year', value_name='GDP')\
.merge(df1, on=['country', 'year'])

输出：

  country  year  GDP
0      NL  1970    5
1      UK  1970    1
2      US  1980    2
3      NL  1990    0
4      US  1990    0

基于索引和列合并/连接两个数据帧

3 个答案:

说明：