python - 如何循环遍历两个数据帧的列，按键分组并执行计算

Question

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。

Answer 1

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