- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有以下三个数据帧,它们由两列“索引”:有一个分组 item1
、item2
、item3
等.以及该组中的数字位置148, 179, 188, 267, ...
。
import pandas as pd
data1 = {"grouping": ["item1", "item1", "item1", "item2", "item2", "item2", "item2", ...],
"positions": [148, 179, 188, 267, 693, 963, 979, ...],
"metadata": [5, 1, 8, 3, 731, 189, 9, ...],
"unique_column1" : ['QLZX9J', 'L3FPRU', '69TVKF', 'N096NQ', 'JM89V5', 'W7JBOL', '63KKZZ', ...] }
data2 = {"grouping": ["item1", "item1", "item1", "item1", "item1", "item1", "item2", ...],
"positions": [118, 241, 431, 448, 455, 677, 740, ...],
"metadata": [5, 1, 8, 3, 731, 189, 9, ...],
"unique_column2" : [4714, 1178, 235, 47, 54, 89, 12, ...] }
data3 = {"grouping": ["item1", "item1", "item1", "item1", "item1", "item1", "item1", ...],
"positions": [118, 148, 179, 188, 241, 431, 448,...],
"metadata": [5, 1, 8, 3, 731, 189, 9, ...],
"unique_column3" : ['a', 'a', 'a', 'a', 'a', 'a', 'a', ...] }
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
df3 = pd.DataFrame(data3)
df1
>>> grouping positions metadata unique_column1
0 item1 148 5 QLZX9J
1 item1 179 1 L3FPRU
2 item1 188 8 69TVKF
3 item2 267 3 N096NQ
4 item2 693 731 JM89V5
5 item2 963 189 W7JBOL
6 item2 979 9 63KKZZ
7 .... ... ... ...
df2
>>> grouping positions metadata unique_column2
0 item1 118 5 4714
1 item1 241 1 1178
2 item1 431 8 235
3 item1 448 3 47
4 item1 455 731 54
5 item1 677 189 89
6 item2 740 9 12
df3
>>> grouping positions metadata unique_column3
0 item1 118 5 a
1 item1 148 1 a
2 item1 179 8 a
3 item1 188 3 a
4 item1 241 731 a
5 item1 431 189 a
6 item1 448 9 a
我想通过分组
和位置
合并这三个数据帧,以便分组
的行= item1<
等df2
中的/code>、positions
= 118
与 df3
中的同一行合并。这些数据帧之间有许多相同的列,不应复制。事实上,df1
中最终合并数据帧中要合并的唯一唯一列是 unique_column1
,而在 df2
中是 unique_column2
如何将三个数据帧中的一列合并在一起,仅使用两列作为索引?这看起来比 pandas.merge() 稍微复杂一点
如果某个 tem 不存在,则它应该为 0。合并后的表应如下所示:
merged
grouping positions metadata unique_column1 unique_column2 unique_column3
item1 118 5 0 4714 'a'
item1 148 1 'QLZX9J' 0 'a'
item1 179 8 'L3FPRU' 0 'a'
item1 188 3 '69TVKF' 0 'a'
item1 241 731 0 1178 'a'
.........
最佳答案
dfs = [df1, df2, df3]
jcols = ['grouping', 'positions']
ucols = ['unique_column1','unique_column2','unique_column3']
pd.concat([df.set_index(jcols)[df.columns.intersection(ucols)]
for df in dfs],
axis=1) \
.reset_index() \
.fillna(0)
结果:
grouping positions unique_column1 unique_column2 unique_column3
0 item1 118 0 4714.0 a
1 item1 148 QLZX9J 0.0 a
2 item1 179 L3FPRU 0.0 a
3 item1 188 69TVKF 0.0 a
4 item1 241 0 1178.0 a
5 item1 431 0 235.0 a
6 item1 448 0 47.0 a
7 item1 455 0 54.0 0
8 item1 677 0 89.0 0
9 item2 267 N096NQ 0.0 0
10 item2 693 JM89V5 0.0 0
11 item2 740 0 12.0 0
12 item2 963 W7JBOL 0.0 0
13 item2 979 63KKZZ 0.0 0
关于python - Pandas dataframe : merge three dataframes by two columns, 忽略大多数列?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43478457/
假设我有 3 个 DataFrame。其中一个 DataFrame 的列名不在其他两个中。 using DataFrames df1 = DataFrame([['a', 'b', 'c'], [1,
假设我有 3 个 DataFrame。其中一个 DataFrame 的列名不在其他两个中。 using DataFrames df1 = DataFrame([['a', 'b', 'c'], [1,
我有一个 largeDataFrame(多列和数十亿行)和一个 smallDataFrame(单列和 10,000 行)。 只要 largeDataFrame 中的 some_identifier 列
我有一个函数,可以在其中规范化 DataFrame 的前 N 列。我想返回规范化的 DataFrame,但不要管原来的。然而,该函数似乎也会对传递的 DataFrame 进行变异! using D
我想在 Scala 中使用指定架构在 DataFrame 上创建。我尝试过使用 JSON 读取(我的意思是读取空文件),但我认为这不是最佳实践。 最佳答案 假设您想要一个具有以下架构的数据框: roo
我正在尝试从数据框中删除一些列,并且不希望返回修改后的数据框并将其重新分配给旧数据框。相反,我希望该函数只修改数据框。这是我尝试过的,但它似乎并没有做我所除外的事情。我的印象是参数是作为引用传递的,而
我有一个包含大约 60000 个数据的庞大数据集。我会首先使用一些标准对整个数据集进行分组,接下来我要做的是将整个数据集分成标准内的许多小数据集,并自动对每个小数据集运行一个函数以获取参数对于每个小数
我遇到了以下问题,并有一个想法来解决它,但没有成功:我有一个月内每个交易日的 DAX 看涨期权和看跌期权数据。经过转换和一些计算后,我有以下 DataFrame: DaxOpt 。现在的目标是消除没有
我正在尝试做一些我认为应该是单行的事情,但我正在努力把它做好。 我有一个大数据框,我们称之为lg,还有一个小数据框,我们称之为sm。每个数据帧都有一个 start 和一个 end 列,以及多个其他列所
我有一个像这样的系列数据帧的数据帧: state1 state2 state3 ... sym1 sym
我有一个大约有 9k 行和 57 列的数据框,这是“df”。 我需要一个新的数据框:'df_final'- 对于“df”的每一行,我必须将每一行复制“x”次,并将每一行中的日期逐一增加,也就是“x”次
假设有一个 csv 文件如下: # data.csv 0,1,2,3,4 a,3.0,3.0,3.0,3.0,3.0 b,3.0,3.0,3.0,3.0,3.0 c,3.0,3.0,3.0,3.0,3
我只想知道是否有人对以下问题有更优雅的解决方案: 我有两个 Pandas DataFrame: import pandas as pd df1 = pd.DataFrame([[1, 2, 3], [
我有一个 pyspark 数据框,我需要将其转换为 python 字典。 下面的代码是可重现的: from pyspark.sql import Row rdd = sc.parallelize([R
我有一个 DataFrame,我想在 @chain 的帮助下对其进行处理。如何存储中间结果? using DataFrames, Chain df = DataFrame(a = [1,1,2,2,2
我有一个包含 3 列的 DataFrame,名为 :x :y 和 :z,它们是 Float64 类型。 :x 和 "y 在 (0,1) 上是 iid uniform 并且 z 是 x 和 y 的总和。
这个问题在这里已经有了答案: pyspark dataframe filter or include based on list (3 个答案) 关闭 2 年前。 只是想知道是否有任何有效的方法来过
我刚找到这个包FreqTables ,它允许人们轻松地从 DataFrames 构建频率表(我正在使用 DataFrames.jl)。 以下代码行返回一个频率表: df = CSV.read("exa
是否有一种快速的方法可以为 sort 指定自定义订单?/sort!在 Julia DataFrames 上? julia> using DataFrames julia> srand(1); juli
在 Python Pandas 和 R 中,可以轻松去除重复的列 - 只需加载数据、分配列名,然后选择那些不重复的列。 使用 Julia Dataframes 处理此类数据的最佳实践是什么?此处不允许
我是一名优秀的程序员,十分优秀!