[英]How to assign values on multiple columns of a pandas data frame based on condition
[英]Python pandas: Accessing data from multiple data frame based on condition
我必须计算一个指标,该指标要求我从多个列中查找同一“用户”的属性。 例如,我有两个数据框如下所示:
calls_per_month.head(10)
user_id month call_date
0 1000 12 16
1 1001 8 27
2 1001 9 49
3 1001 10 65
4 1001 11 64
5 1001 12 56
6 1002 10 11
7 1002 11 55
8 1002 12 47
9 1003 12 149
internet_per_month.head(10)
user_id session_date mb_used
0 1000 12 2000.0
1 1001 8 7000.0
2 1001 9 14000.0
3 1001 10 23000.0
4 1001 11 19000.0
5 1001 12 20000.0
6 1002 10 7000.0
7 1002 11 20000.0
8 1002 12 15000.0
9 1003 12 28000.0
我想为他们使用互联网或拨打电话的每个月的每个 user_id 计算一个类似这样的指标:`usage = mb_used + call_date',它将是一个看起来像的列(我已经完成了手工计算):
user_id month usage
0 1000 12 2016
1 1001 8 7027
2 1001 9 14049
3 1001 10 23065
4 1001 11 19064
5 1001 12 20056
6 1002 10 7011
7 1002 11 20055
8 1002 12 15047
9 1003 12 28149
我上面展示的那个头没有显示,但是有一些用户在特定月份没有打电话但使用了数据,所以我必须考虑到这一点,从某种意义上说它不应该忽略这些用户而只是不可用的数据加0。
我应该首先对表进行外部联接吗? 或者创建一个新表不是正确的方法吗? 任何指导表示赞赏。
谢谢
您应该先合并或加入这些,然后再进行操作。 在这里,我在internet_per_month
上进行left join
(并调用fillna
); 如果有人拨打电话但无法上网,则最好使用外部连接。
df = pd.merge(
left=internet_per_month,
right=calls_per_month,
how="left",
left_on=["user_id", "session_date"],
right_on=["user_id", "month"],
)
df.fillna(0)
df["usage"] = df["mb_used"] + df["call_date"]
输出:
user_id month call_date session_date mb_used usage
0 1000 12 16 12 2000.0 2016.0
1 1001 8 27 8 7000.0 7027.0
2 1001 9 49 9 14000.0 14049.0
3 1001 10 65 10 23000.0 23065.0
4 1001 11 64 11 19000.0 19064.0
5 1001 12 56 12 20000.0 20056.0
6 1002 10 11 10 7000.0 7011.0
7 1002 11 55 11 20000.0 20055.0
8 1002 12 47 12 15000.0 15047.0
9 1003 12 149 12 28000.0 28149.0
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.