[英]Calculating the difference column wise of two time series dataframe with different dimensions
我有两个数据帧df1
(mxn) 和df2
(mx1) 作为时间序列,我想计算df1
和df2
之间每一列的差异,看起来像df3
。
import pandas as pd
df1 = pd.DataFrame({
'Date':['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04'],
'01K W':[1.2, 0.4, 0.2, -0.4],
'02K W':[3.5, 3.2, 'nan', 'nan'],
'03K W':[-1, -2.3, 0.3, 2.4],
'04K W':[1.5, 2.6, 3.2, 4.2]})
df2 = pd.DataFrame({
'Date':['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04'],
'K W':[1, 1.5, 1.2, 0.8]})
df3 = pd.DataFrame({
'Date':['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04'],
'01K W':[0.2, 1.1, 1, 1.2],
'02K W':[2.5, 1.7, 'nan', 'nan'],
'03K W':[2, 3.8, 0.9, 1.6],
'04K W':[0.5, 1.1, 2, 3.4]})
有没有一种简单的方法可以明智地构建差异列?
您可以将Date
设置为索引,并使用.sub
方法:
df1.set_index('Date').sub(df2.set_index('Date')['K W'], axis='rows')
输出:
01K W 02K W 03K W 04K W
Date
2021-01-01 0.2 2.5 -2.0 0.5
2021-01-02 -1.1 1.7 -3.8 1.1
2021-01-03 -1.0 NaN -0.9 2.0
2021-01-04 -1.2 NaN 1.6 3.4
注意:您可能希望在set_index('Date')
之后添加astype(float)
set_index('Date')
以更正您的数据类型。
首先,您需要使用数值,而不是字符串。
看起来您的“日期”字段代表您的索引。 Pandas 系列可以根据它们的共享索引按元素添加/减去,因此值得将它们称为索引。 然后您可以简单地遍历您的 df1 列以将 df2 应用于每个列。
from numpy import nan
import pandas as pd
df1 = pd.DataFrame({
'Date':['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04'],
'01K W':[1.2, 0.4, 0.2, -0.4],
'02K W':[3.5, 3.2, nan, nan],
'03K W':[-1, -2.3, 0.3, 2.4],
'04K W':[1.5, 2.6, 3.2, 4.2]})
df2 = pd.DataFrame({
'Date':['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04'],
'K W':[1, 1.5, 1.2, 0.8]})
df1 = df1.set_index('Date')
df2 = df2.set_index('Date')
df3 = df1.copy()
for c in df1.columns:
df3[c] = df1[c] - df2['K W']
df3
产量:
01K W 02K W 03K W 04K W
Date
2021-01-01 0.2 2.5 -2.0 0.5
2021-01-02 -1.1 1.7 -3.8 1.1
2021-01-03 -1.0 NaN -0.9 2.0
2021-01-04 -1.2 NaN 1.6 3.4
另一种做法:
df4 = df1[['01K W', '02K W', '03K W', '04K W']].astype(float).subtract(df2['K W'].astype(float), axis=0).abs().join(df1['Date'])[['Date','01K W', '02K W', '03K W', '04K W']]
print(df4)
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.