我有两个数据框看起来像
df1:
ID A B C D
0 'ID1' 0.5 2.1 3.5 6.6
1 'ID2' 1.2 5.5 4.3 2.2
2 'ID1' 0.7 1.2 5.6 6.0
3 'ID3' 1.1 7.2 10. 3.2
df2:
ID A B C D
0 'ID1' 1.0 2.0 3.3 4.4
1 'ID2' 1.5 5.0 4.0 2.2
2 'ID3' 0.6 1.2 5.9 6.2
3 'ID4' 1.1 7.2 8.5 3.0
df1 可以有多个具有相同 ID
的条目,而每个 ID
在 df2 中只出现一次。也并非 df2 中的所有 ID
都必须出现在 df1 中。我无法通过使用 set_index()
来解决这个问题,因为 df1 中的多行可以具有相同的 ID
,并且 df1 中的 ID
和df2 未对齐。
我想创建一个新的数据框,我从 df1[[ 中减去
基于匹配ID。 df2[['A','B','C','D']]
中的值'A','B','C','D']]
生成的数据框如下所示:
df_new:
ID A B C D
0 'ID1' -0.5 0.1 0.2 2.2
1 'ID2' -0.3 0.5 0.3 0.0
2 'ID1' -0.3 -0.8 2.3 1.6
3 'ID3' 0.5 6.0 1.5 0.2
我知道如何使用循环执行此操作,但由于我要处理大量数据,所以这根本不实用。使用 Pandas 解决此问题的最佳方法是什么?
最佳答案
你只需要set_index并减去
(df1.set_index('ID')-df2.set_index('ID')).dropna(axis=0)
Out[174]:
A B C D
ID
'ID1' -0.5 0.1 0.2 2.2
'ID1' -0.3 -0.8 2.3 1.6
'ID2' -0.3 0.5 0.3 0.0
'ID3' 0.5 6.0 4.1 -3.0
如果顺序很重要,请为 df2 添加 reindex
(df1.set_index('ID')-df2.set_index('ID').reindex(df1.ID)).dropna(axis=0).reset_index()
Out[211]:
ID A B C D
0 'ID1' -0.5 0.1 0.2 2.2
1 'ID2' -0.3 0.5 0.3 0.0
2 'ID1' -0.3 -0.8 2.3 1.6
3 'ID3' 0.5 6.0 4.1 -3.0
关于python - 根据 Pandas 数据框中的键列减去列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50158152/