Python Pandas两个DataFrame的对应列逻辑操作

最新推荐文章于 2024-02-27 14:14:49 发布
最新推荐文章于 2024-02-27 14:14:49 发布
阅读量2.8w 收藏 24
点赞数 10
分类专栏： Python 文章标签： 1024程序员节 python pandas
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42856871/article/details/109255593
版权

Python Pandas两个DataFrame的对应列逻辑操作

Python Pandas两个DataFrame行索引不完全相同，但是需要求两个DataFrame对应行进行逻辑操作。

例如：公司在多个银行有账户，现公司本月有收入表和支出表，需要计算在各银行的结余情况。两个表的DataFrame如下：

收入表（income）

收入
中国工商银行30000
中国农业银行10000
中国银行20000
中国建设银行50000
交通银行60000

支出表（payout）

支出
中国工商银行20000
中国农业银行30000
中国邮政储蓄银行10000

解决方法：

直接使用join合成一个表，将支出表中支出列变成收入表中的一个列，再进行逻辑操作。

合并

merge_df = income.join(payout)
收入支出
中国工商银行3000020000
中国农业银行1000030000
中国银行20000NaN
中国建设银行50000NaN
交通银行60000NaN
中国邮政储蓄银行NaN10000

填充 NaN

merge_df.fillna(0, inplace=True)
收入支出
中国工商银行3000020000
中国农业银行1000030000
中国银行200000
中国建设银行500000
交通银行600000
中国邮政储蓄银行010000

计算结余

merge_df.loc[:, '结余'] = merge_df.loc[:, '收入'] - merge_df.loc[:, '支出']
收入支出结余
中国工商银行300002000010000
中国农业银行1000030000-20000
中国银行20000020000
中国建设银行50000050000
交通银行60000060000
中国邮政储蓄银行010000-10000

总计

merge_df.loc['总计', :] = merge_df.sum()
收入支出结余
中国工商银行300002000010000
中国农业银行1000030000-20000
中国银行20000020000
中国建设银行50000050000
交通银行60000060000
中国邮政储蓄银行010000-10000
总计170000060000110000
这个人懒得名字都没写
关注
  • 10
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pandas对DataFrame单列/多列进行运算(map, apply, transform, agg)
12-17
1.单列运算 在Pandas中，DataFrame的一列就是一个Series, 可以通过map来对一列进行操作： df['col2'] = df['col1'].map(lambda x: x**2) 其中lambda函数中的x代表当前元素。可以使用另外的函数来代替lambda函数，例如： define square(x): return (x ** 2) df['col2'] = df['col1'].map(square) 2.多列运算  apply()会将待处理的对象拆分成多个片段，然后对各片段调用传入的函数，最后尝试将各片段组合到一起。 要对DataFrame的多个列同时进
python dataframe NaN处理方式
12-23
将dataframe中的NaN替换成希望的值 import pandas as pd df1 = pd.DataFrame([{'col1':'a', 'col2':1}, {'col1':'b', 'col2':2}]) df2 = pd.DataFrame([{'col1':'a', 'col3':11}, {'col1':'c', 'col3':33}]) data = pd.merge(left=df1, right=df2, how='left', left_on='col1', right_on='col1') print data # 将NaN替换为None print dat
Python 实现两个列表里元素对应相乘的方法
09-19
今天小编就为大家分享一篇Python 实现两个列表里元素对应相乘的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
【疑难杂症】两DataFrame的时间索引反向/求差集，查找缺失时间数据
lys_828的博客
12-10 1692
两DataFrame的时间索引反向/求差集，查找缺失时间数据1 构造两个时间DataFrame数据2 目的3 实现方式3.1 方式一3.2 方式二3.3 方式三 1 构造两个时间DataFrame数据 import pandas as pd index = pd.date_range('2021-10-01','2021-10-31') df2 = pd.DataFrame(index = index,data =list(range(1,32))) df1 = pd.DataFrame({'dat
DataFrame笔记
blog
06-16 6691
目录创建、读写、显示创建DataFrame与Series读取、保存数据文件设置显示格式列数据对齐索引、选择取行取列同时取行列将某列设为行索引条件选取汇总函数与映射汇总函数：describe(),unique(),value_counts()映射：map()与apply()连接两列文本分组与排序分组分析多层索引排序数据类型与缺失值处理数据类型及转换缺失值处理重命名、更改列顺序、添加新行列、数据框合并重命名列名与行名更改列顺序添加新列数据框合并导入库 创建、读写、显示 创建DataFrame与Series
如何将dataframe中的两列进行运算
Ling_Ze的博客
12-22 745
如何将dataframe中的两列进行运算
Python3 DataFrame数据运算
Robin Hu的专栏
05-11 2580
pandas的DataFrame极大地简化了数据分析过程中一些烦琐操作，它是一个表格型的数据结构, 每一列代表一个变量，而每一行则是一条记录。简答地说，DataFrame是共享同一个index的Series的集合。 一、简单运算 在分析数据时:不可避免地要对数据进行运算。当对两个数据集进行算术运算时，遇到的核心问题有两个：一是两个数据集之间如何进行匹配进而运算；二是如何处理不匹配的数据。Pandas的Series与DataFrame这两种数据类型比较有特色的部分是index （ DataFrame 还多
dataframe行、列条件运算
热门推荐
u013344884的博客
07-27 1万+
1 2 3 4 5 6 7 8 9 10 11 >>> import pandas as pd >>> import numpy as np >>> from pandas import Series, DataFram...
R语言读取（加载）txt格式数据为dataframe、基于组合逻辑筛选dataframe中的数据（两个相等判断）
sdgfbhgfj的博客
04-24 310
R语言读取（加载）txt格式数据为dataframe、基于组合逻辑筛选dataframe中的数据（两个相等判断）
Python Pandas将 DataFrame 转换为列表详解
Rocky006的博客
02-27 1098
在数据分析和处理过程中，经常会使用到 Pandas 库来处理和操作数据。Pandas 提供了灵活强大的数据结构 DataFrame，它可以存储和处理各种类型的数据，并提供了丰富的方法和函数来进行数据操作。有时候，我们需要将 DataFrame 转换为列表形式，以便进一步处理或者与其他库进行集成。本文将详细介绍如何使用 Pandas 将 DataFrame 转换为列表，并提供丰富的示例代码来帮助读者更好地理解和应用。
Python Pandas DataFrame
hosum的博客
11-09 854
import pandas as pd 一、创建DataFrame 1. 新建DataFrame df = pd.DataFrame(data = [['Sisyphus', 'male', 'D'], ['Athena', 'female', 'B'], ['Zeus', 'male', 'A'], ['Hera', 'female', 'C.
pandas DataFrame 根据多列的值做判断,生成新的列值实例
09-20
今天小编就为大家分享一篇pandas DataFrame 根据多列的值做判断,生成新的列值实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
数据处理Pandas-将DataFrame数据转成字典-Python实例源码.zip
12-13
Pandas DataFrame是一个二维表格型数据结构，它具有行和列的索引，可以方便地存储和操作各种类型的数据。在某些情况下，我们需要将DataFrame转换为字典，以便于进一步的处理或存储。Python字典是一种键值对的数据...
python 实现rolling和apply函数的向下取值操作
12-17
在这个例子中，我们将详细探讨如何使用这两个函数进行“向下取值”操作。 首先，让我们看看提供的代码片段： ```python import pandas as pd def get_under_rolling(df, window, user, name): df[name] = df...
Python使用Excel将数据写入多个sheet
09-16
现在，遍历这个列表，将每个DataFrame写入对应的sheet： ```python for i in str1: name = str(i) df1.to_excel(writer, sheet_name=name) ``` 最后，保存并关闭ExcelWriter： ```python writer.save() writer....
Pandas技术参考手册.docx
08-09
- 字典的数组：如果数组的每个元素都是一个字典，那么可以创建一个DataFrame，其中每个字典的键成为列名，值成为对应的值。 - 元组的字典：元组的列表可以转换为DataFrame，每个元组对应一行，元组中的元素对应列。 ...
2个dataframe，df1的每一列分别乘以df2的某一列
richard_18的博客
11-16 1803
Notes:df1的每一列分别乘以df2的某一列，得一列一列如：df1.loc[:,0]*df2.loc[:,1 ] # df1 *df2.loc[:,1 ]，会导致df1每一列的全部值，乘以df2某一列里按顺序的单一数字 for temp_port in col_list_port: # 股票成本 df_port_stock_cost.loc[:, temp_port] = df_ashare
DataFrame：判断两列数据是否相等
qq_33489955的博客
02-27 1428
【代码】DataFrame：判断两列数据是否相等。
pandas基于多个数据列的内容判断筛选dataframe数据、筛选dataframe中多个数据列的值至少满足其中一个的数据行、一个小于指定值、一个大于指定日期（两个数据列或判断、或逻辑）
statistics+insight+vista+power
12-23 300
pandas基于多个数据列的内容判断筛选dataframe数据、筛选dataframe中多个数据列的值至少满足其中一个的数据行、一个小于指定值、一个大于指定日期（两个数据列或判断、或逻辑）
pandas 列之间运算
最新发布
06-19
Pandas 是 Python 中用于数据分析的强大库，其提供了高效的数据结构 DataFrame 和 Series，以及丰富的数据处理和分析功能。当你想要对 DataFrame 中的列进行运算时，Pandas 提供了多种操作方法，包括： 1. **基本数学运算**： - `+`, `-`, `*`, `/`：用于列与列之间的数值运算，例如加法、减法、乘法和除法。 - `**`：表示幂运算。 - `pd.DataFrame.add`, `sub`, `mul`, `div`：提供更高级的算术运算，如按位置或按标签添加、相减、相乘和相除。 2. **算术运算函数**： - `mean()`, `sum()`, `median()`, `min()`, `max()`：计算列的平均值、总和、中位数、最小值和最大值。 - `std()`, `var()`：计算标准差和方差。 - `abs()`, `round()`: 返回绝对值或四舍五入的列。 3. **比较操作**： - `==`, `!=`, `<`, `>`, `<=`, `>=`：用于比较两个列，并返回布尔值系列。 - `np.logical_`函数：例如 `np.logical_and` 或 `np.logical_or` 可以进行逻辑运算。 4. **聚合函数**： - `groupby()`: 允许按照列分组后，对每个组应用特定的运算。 - `pivot_table()`: 创建透视表，可以进行多维度的数据汇总和计算。 5. **数据融合**： - `concat()`, `merge()`, `join()`：用于合并或连接多个 DataFrame，列间运算可能基于指定的键或条件。 相关问题-- 1. 如何使用 Pandas 对两个列执行元素级的逐个对应运算？ 2. Pandas 如何通过列名进行算术运算？ 3. 在使用 `groupby` 进行分组后，如何对分组后的列进行计算？
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值