收集其他熊猫df（具有相同索引）中列出的熊猫df中的细胞

Question

考虑下面的示例（感兴趣的两个元素是final_df和pivot_df ，其余代码仅用于构造这两个df）：

import numpy
import pandas

numpy.random.seed(0)
input_df = pandas.concat([pandas.Series(numpy.round_(numpy.random.random_sample(10,), 2)),
                          pandas.Series(numpy.random.randint(0, 2, 10))], axis = 1) 
input_df.columns = ['key', 'val']


pivot_df = input_df.pivot(columns = 'key', values = 'val')\
                   .fillna(method = 'pad')\
                   .cumsum()

index_df = pivot_df.notnull()\
                   .multiply(pivot_df.columns, axis = 1)\
                   .replace({0.0: numpy.nan})\
                   .values

final_df = numpy.delete(numpy.partition(index_df, 3, axis = 1),
                        numpy.s_[3:index_df.shape[1]], axis = 1)
final_df.sort(axis = 1)            
final_df = pandas.DataFrame(final_df)

final_df包含尽可能多的行作为pivot_df 。 我想用这两个来构造第三个df： bingo_df 。

bingo_df应该具有与final_df相同的尺寸。 然后， bingo_df的单元bingo_df应包含：

• 每当final_df的条目(row = i, col = j)为final_df ， numpy.nan的条目(i,j) bingo_df应为numpy.nan 。
• 否则，[每当条目(i, j)的final_df不是numpy.nan ]的条目(i,j)的bingo_df应该在单元中的值[i, final_df[i, j].value]的pivot_df （在事实final_df[i, j].value是pivot_df或numpy.nan的列的名称）

预期输出：

所以final_df的第一行是

0.55, nan, nan 。

所以我期望bingo_df的第一行是：

0.0, nan, nan

因为在单元中的值(row = 0, col = 0.55)的pivot_df是0 （和随后的两个numpy.nan的第一行中final_df还应numpy.nan在bingo_df ）

所以final_df的第二行是

0.55, 0.72, nan

所以我期望bingo_df的第二行是：

0.0, 1.0, nan

因为pivot_df单元格(row = 1, col = 0.55)的pivot_df 0.0 ，而pivot_df单元格中(row = 1, col = 0.72)的pivot_df 1.0

Answer 1

IIUC lookup

s=final_df.stack()
pd.Series(pivot_df.lookup(s.index.get_level_values(0),s),index=s.index).unstack()
Out[87]: 
     0    1    2
0  0.0  NaN  NaN
1  0.0  1.0  NaN
2  0.0  1.0  2.0
3  0.0  0.0  2.0
4  0.0  0.0  0.0
5  0.0  0.0  0.0
6  0.0  1.0  0.0
7  0.0  2.0  0.0
8  0.0  3.0  0.0
9  0.0  0.0  4.0