我有两个数据框,大约有 300 列,其中包含干预前和干预后的分数。我需要计算每列中每个具有单个 ID 的参与者的前和后之间的差异。作为一个小例子,我有:
Pre-intervention:
ID DEPRESSION ANXIETY COGNITION
0 001 10 2 6
1 002 15 12 -3
2 003 14 -2 6
3 004 14 1 2
Post-intervention:
ID DEPRESSION ANXIETY COGNITION
0 001 9 3 10
1 002 6 -5 2
2 003 14 8 -3
3 004 2 11 2
我使用下面的代码(改编自 Using two dataframes to calculate final value pandas ),它创建一个将 ID 映射到抑郁症总和的系列,然后将这些总和映射到 df1 中的 ID 并从抑郁症中减去。
s = df1.groupby('ID')['DEPRESSION'].sum()
df2['DEPRESSION'] = df2['DEPRESSION'] - df2['ID'].map(s).fillna(0)
这给了我:
ID DEPRESSION ANXIETY COGNITION
0 001 -1 3 10
1 002 -9 -5 2
2 003 0 8 -3
3 004 -12 11 2
即抑郁症栏的差异。我无法弄清楚如何将其应用于数据框中的每一列。我尝试在列名上编写 for 循环,但由于 groupby
元素(我认为)而陷入困境。
非常感谢任何帮助。
最佳答案
你能做到吗?:
newdf = df2.sub(df1, fill_value=0)
newdf['ID'] = df1['ID']
您也可以通过以下两种方式完成:
一一
newdf['ID'] = df1['ID']
newdf['DEPRESSION'] = df2['DEPRESSION'] - df1['DEPRESSION']
newdf['ANXIETY'] = df2['ANXIETY'] - df1['ANXIETY']
newdf['COGNITION'] = df2['COGNITION'] - df1['COGNITION']
或者构建列,然后用 sub 删除它们。您可以在 columns= 内使用 ['col1', 'col2'] 但在此处使用您的列名称而不是 col1, col2:
df2.drop(columns=['col1', 'col2']).sub(df1.drop(columns=['col1', 'col2']))
我希望其中之一能有所帮助
关于python - 如何循环遍历两个数据帧的列,按键分组并执行计算,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59056986/