python - 使用 pandas.DataFrame.apply 查找值并将其替换为来自不同 DataFrame 的值

Question

我有两个具有相同日期时间索引的 pandas DataFrame。

第一个是J:

            A     B     C
01/01/10    100   400   200
01/02/10    300   200   400
01/03/10    200   100   300

第二个是K:

             100    200    300    400
01/01/10     0.05  -0.42   0.61  -0.12
01/02/10    -0.23   0.11   0.82   0.34
01/03/10    -0.55   0.24  -0.01  -0.73

我想使用 J 引用 K 并创建第三个 DataFrame L，如下所示:

             A      B      C
01/01/10     0.05  -0.12  -0.42
01/02/10     0.82   0.11   0.34
01/03/10     0.24  -0.55  -0.01

为此，我需要获取 J 中的每个值并在 K 中查找相应的值，其中列名称是同一日期的该值。

我尝试这样做:

L = J.apply( lambda x: K.loc[ x.index, x ], axis='index'  )

但是得到:

ValueError: If using all scalar values, you must pass an index

我理想地希望使用它，以便 J 中包含的任何 NaN 值都将保持原样，并且不会在 K 中查找。我没有成功地尝试过:

L = J.apply( lambda x: np.nan if np.isnan( x.astype( float ) ) else K.loc[ x.index, x ]  )

Answer 1

使用DataFrame.melt和DataFrame.stack使用DataFrame.join映射新值，然后我们将 DataFrame 返回到原始形状 DataFrame.pivot :

#if neccesary
#K = K.rename(columns = int)
L = (J.reset_index()
      .melt('index')
      .join(K.stack().rename('new_values'),on = ['index','value'])
      .pivot(index = 'index',
             columns='variable',
             values = 'new_values')
      .rename_axis(columns = None,index = None)
    )
print(L)

<小时/>

或者使用 DataFrame.lookup

L = J.reset_index().melt('index')
L['value'] = K.lookup(L['index'],L['value'])
L = L.pivot(*L).rename_axis(columns = None,index = None)
print(L)

输出

             A     B     C
01/01/10  0.05 -0.12 -0.42
01/02/10  0.82  0.11  0.34
01/03/10  0.24 -0.55 -0.01

我认为 apply 可能是一个不错的选择，但我不确定，我推荐你看When should I want use apply in my code