我正在阅读一份关于学校的 Excel 电子表格,其中包含如下三张表格。
import sys
import pandas as pd
inputfile = sys.argv[1]
xl = pd.ExcelFile(inputfile)
print xl.sheet_names
df1 = xl.parse(xl.sheet_names[0], skiprows=14)
df2 = xl.parse(xl.sheet_names[1], skiprows=14)
df3 = xl.parse(xl.sheet_names[2], skiprows=14)
df1.columns = [chr(65+i) for i in xrange(len(df1.columns))]
df2.columns = df1.columns
df3.columns = df1.columns
每所学校的唯一 ID 位于三个数据框中的“D”列中。我想制作一个包含两列的新数据框。第一个是 df1、df2、df3 中“G”列的总和,第二个是 df1、df2、df3 中“K”列的总和。换句话说,我认为我需要以下步骤。
- 过滤所有三个数据框中实际存在唯一列“D”ID 的行。如果学校没有出现在所有三张表中,那么我将其丢弃。
- 对于剩余的每一行(学校),将三个数据框中“G”列中的值相加。
- 对“K”列执行相同操作。
我是 pandas 的新手,但我应该怎么做呢?不知何故,必须在第 2 步和第 3 步中使用唯一 ID,以确保添加的值对应于同一所学校。
尝试的解决方案
df1 = df1.set_index('D')
df2 = df2.set_index('D')
df3 = df3.set_index('D')
df1['SumK']= df1['K'] + df2['K'] + df3['K']
df1['SumG']= df1['G'] + df2['G'] + df3['G']
最佳答案
连接数据帧后,您可以使用 groupby
和 count
获取所有三个数据帧中都存在的“D”值列表,因为只有一个每个数据帧。然后,您可以使用它来过滤连接的数据框以对您需要的任何列求和,例如:
df = pd.concat([df1, df2, df3])
criteria = df.D.isin((df.groupby('D').count() == 3).index)
df[criteria].groupby('D')[['G', 'K']].sum()
关于python - 如何使用公共(public)键对来自三个不同数据帧的列求和,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22014330/