python - 如何将 3 个相同维度的数据帧相交并输出至少 2 个数据帧中常见的数据帧

Question

我有三个相同尺寸的数据框。我想在 3 个数据帧中的至少 2 个中找到常见的情况(1 和 -1)。我想要一个相同维度的输出数据帧，其中元素至少位于两个数据帧中。

我写了下面的例子，方便大家理解这个问题。在示例中，我想查找至少两个数据帧中哪些位置有 1 或 -1。

import pandas as pd

A= {'a': [0, '.', 0, -1],'b': [0, '.', 1, 0], 'c':[1,'.', 0, 1]   }
A = pd.DataFrame(data=A)

    a  b  c
0   0  0  1
1   .  .  .
2   0  1  0
3  -1  0  1

B= {'a': [0, '.', 0, -1],'b': [1, '.', 1, 0], 'c':[1,'.', 0, -1]   }
B = pd.DataFrame(data=B)

B
    a  b   c
0   0  1   1
1   .  .   .
2   0  1   0
3  -1  0  -1

C = {'a': [0, '.', 0, 0],'b': [1, '.', 1, 0], 'c':[0,'.', 0, 0]   }
C = pd.DataFrame(data=C)

C
   a  b  c
0  0  1  0
1  .  .  .
2  0  1  0
3  0  0  0

期望的输出是:

    a  b  c
0   0  1  1
1   .  .  .
2   0  1  0
3  -1  0  0

因此，如果存在多个 1 或多个 -1，则输出数据帧中的结果分别为 1 或 -1。如果只有一个 1 或 -1，则输出数据帧中的结果为 0。

我保留了原始数据框中的点，但它们对于问题来说无关紧要，因为它们在所有三个数据框中都是相同的。

我尝试了一些方法，但没有一个起作用。

如果有任何帮助，我将不胜感激。

非常感谢!

Answer 1

您可以使用底层 numpy 数组来计算每个值的值，并使用 numpy.select 来映射任意数量的选择。 For 在这里独立处理，但也可以添加为要检查的值。

dfs = [A,B,C]
vals = [1, -1]

masks = [sum(x.eq(val).astype(int) for x in dfs).ge(2)
         for val in vals]

pd.DataFrame(np.select(masks, vals),
             columns=A.columns, index=A.index).mask(A.eq('.'), '.')

输出:

    a  b  c
0   0  1  1
1   .  .  .
2   0  1  0
3  -1  0  0

点按 1/-1 处理:

dfs = [A,B,C]
vals = ['.', 1, -1]
masks = [sum(x.eq(val).astype(int) for x in dfs).ge(2)
         for val in vals]
pd.DataFrame(np.select(masks, vals),
             columns=A.columns, index=A.index)