计算熊猫数据帧之和

Question

我有两个要按二进制添加的数据框。 也就是说，给定

dfc1 = pd.DataFrame(list(zip(range(10),np.zeros(10))), columns=['bin', 'count'])
dfc2 = pd.DataFrame(list(zip(range(0,10,2), np.ones(5))), columns=['bin', 'count'])

这给了我

dfc1：

       bin  count
0        0      0
1        1      0
2        2      0
3        3      0
4        4      0
5        5      0
6        6      0
7        7      0
8        8      0
9        9      0

dfc2：

       bin  count
0        0      1
1        2      1
2        4      1
3        6      1
4        8      1

我想生成这个：

       bin  count
0        0      1
1        1      0
2        2      1
3        3      0
4        4      1
5        5      0
6        6      1
7        7      0
8        8      1
9        9      0

我在bin列匹配的地方添加了count列。

实际上，事实证明我只加1（即dfc2中的count始终为1）。 因此，该问题的另一个版本是“给定bin值数组（dfc2.bin），我如何在dfc1中将其每个对应的计数值加一个？”

到目前为止，我唯一的解决方案感觉非常低效（最终一点也不可读），在两个bin列之间进行了外部连接，从而创建了我要进行计算的第三个数据框，然后投射出不需要的列。

建议？

Answer 1

首先将bin设置为两个数据帧中的索引，然后可以使用add ，需要fillvalue来指出如果数据帧中缺少bin则应使用零：

dfc1 = dfc1.set_index('bin')
dfc2 = dfc2.set_index('bin')
result = pd.DataFrame.add(dfc1, dfc2, fill_value=0)

熊猫自动对具有相等索引的行求和。

顺便说一句，如果您需要频繁执行此类操作，我强烈建议您使用numpy.bincount ，它甚至允许在一个数据帧内重复bin索引

Answer 2

由于dfc1索引与您的“ bin”值相同，因此您可以简单地执行以下操作：

dfc1.iloc[dfc2.bin].cnt += 1

请注意，由于count是内置的熊猫，因此我将“ count”列重命名为“ cnt”，这可能会引起混乱和错误！

Answer 3

作为combineAdd答案的替代方法，您可以使用combineAdd方法简单地同时将2个数据帧和set_index一起添加，前提是它们的索引将与bin匹配：

dfc1.set_index('bin').combineAdd(dfc2.set_index('bin')).reset_index()

   bin  count
0    0      1
1    1      0
2    2      1
3    3      0
4    4      1
5    5      0
6    6      1
7    7      0
8    8      1
9    9      0