python - 添加数据框并根据可用性划分结果

Question

我想添加两个数据框，我可以通过添加功能来实现。现在我想根据初始数据帧(df1、df2、df3)中是否存在相应值来划分结果数据帧的每个值。例如。

df1 = pd.DataFrame([[1,2],[3,4]], index =['A','B'], columns = ['C','D'])
df2 = pd.DataFrame([[11,12], [13,14]], index = ['A','B'], columns = ['D','E'])
df3 = df1.add(df2, fill_value=0)

这会导致 df 像

     C   D     E
A  1.0  13  12.0
B  3.0  17  14.0

我需要一个像这样的 df:

     C    D     E
A  1.0  6.5  12.0
B  3.0  8.5  14.0

因为在两个数据框中都找到了 D 列，所以我将这些值除以 2。任何人都可以提供一个通用的解决方案，假设我需要添加超过 2 个数据帧(因此划分因子也会改变)并且每个数据帧中有超过 100 列。

Answer 1

我们可以一步水平连接所有 DF:

In [13]: df = pd.concat([df1,df2], axis=1).fillna(0)

这会产生:

In [15]: df
Out[15]:
   C  D   D   E
A  1  2  11  12
B  3  4  13  14

现在我们可以按列分组，计算平均值(mean):

In [14]: df.groupby(df.columns, axis=1).mean()
Out[14]:
     C    D     E
A  1.0  6.5  12.0
B  3.0  8.5  14.0

或者我们可以一步完成(感谢 @jezrael ):

In [60]: pd.concat([df1,df2], axis=1).fillna(0).groupby(level=0, axis=1).mean()
Out[60]:
     C    D     E
A  1.0  6.5  12.0
B  3.0  8.5  14.0

时间:

In [38]: df1 = pd.concat([df1] * 10**5, ignore_index=True)

In [39]: df2 = pd.concat([df2] * 10**5, ignore_index=True)

In [40]: %%timeit
    ...: df = pd.concat([df1,df2], axis=1).fillna(0)
    ...: df.groupby(df.columns, axis=1).mean()
    ...:
63.4 ms ± 2.39 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [41]: %%timeit
    ...: s = pd.Series(np.concatenate([df1.columns, df2.columns])).value_counts()
    ...: df1.add(df2, fill_value=0).div(s)
    ...:
28.7 ms ± 712 µs per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [42]: %%timeit
    ...: pd.concat([df1,df2]).mean(level = 0)
    ...:
65.5 ms ± 555 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [43]: df1.shape
Out[43]: (200000, 2)

In [44]: df2.shape
Out[44]: (200000, 2)

当前获胜者: @jezrael(28.7 ms ± 712 µs)-恭喜!