Pandas - ApplyMap 使用来自两个不同 DataFrame 的相应单元格值

Question

我有两个熊猫数据框，想应用一个函数“Stat / Percentage Played”。 第一个数据框 - “Stat”如下所示：

    -  -----  -------  -------  -------  -------
    0  Name   Round 1  Round 2  Round 3  Round 4
    1  Tom    10       22       18       21
    2  Angus  13       16       21       19
    3  Jack   18       19       16       17
    4  Harry  21       19       15       19
    5  Ben    19       24       22       27
    -  -----  -------  -------  -------  -------

第二个数据框显示了球员在球场上花费的时间（百分比），如下所示：

    -  -----  -------  -------  -------  -------
    0  Name   Round 1  Round 2  Round 3  Round 4
    1  Tom    65       80       81       80
    2  Angus  72       76       85       79
    3  Jack   79       81       68       75
    4  Harry  79       78       62       77
    5  Ben    81       84       76       85
    -  -----  -------  -------  -------  -------

有了这些，我想将两个数据帧中的每个单元格应用到每个单元格，然后从该轮中获取相应的玩家统计数据，然后除以该玩家在该轮中的上场时间。 应用于每个单元格的函数如下所示：

    -  -----  -------  -------  -------  -------
    0  Name   Round 1  Round 2  Round 3  Round 4
    1  Tom    10/65    22/80    18/81    21/80
    2  Angus  13/72    16/76    21/85    19/79
    3  Jack   18/79    19/81    16/68    17/75
    4  Harry  21/79    19/78    15/62    19/77
    5  Ben    19/81    24/84    22/76    27/85
    -  -----  -------  -------  -------  -------

此外，我的最终数据框中的最终值应如下所示：

    -  -----  -------------------  -------------------  -------------------  -------------------
    0  Name   Round 1              Round 2              Round 3              Round 4
    1  Tom    0.15384615384615385  0.275                0.2222222222222222   0.2625
    2  Angus  0.18055555555555555  0.21052631578947367  0.24705882352941178  0.24050632911392406
    3  Jack   0.22784810126582278  0.2345679012345679   0.23529411764705882  0.22666666666666666
    4  Harry  0.26582278481012656  0.24358974358974358  0.24193548387096775  0.24675324675324675
    5  Ben    0.2345679012345679   0.2857142857142857   0.2894736842105263   0.3176470588235294
    -  -----  -------------------  -------------------  -------------------  -------------------

我能找出方法的唯一方法是转换为列表并使用循环来完成此功能，例如：

    datlist = df.values.tolist()
    headerList = datlist[:1]  # Sava Header row to merge after calulcations
    statList = datlist[1:]  # Remove Header row for calculations
    perlist = dfPerc.values.tolist()[1:]  # Remove Header row for calculations

    AdjList = []
    for z in range(len(statList)):
        PlayerList = []
        for i in range(len(statList[z])):
            if isinstance(statList[z][i], int) == True:
                adjStat = statList[z][i] / perlist[z][i]
            else:
                adjStat = statList[z][i]
            PlayerList.append(adjStat)
        AdjList.append(PlayerList)

    AdjList.insert(0, headerList[0])
    finaldf = pd.DataFrame(AdjList)
    print(finaldf)

输出：

    -  -----  -------------------  -------------------  -------------------  -------------------
    0  Name   Round 1              Round 2              Round 3              Round 4
    1  Tom    0.15384615384615385  0.275                0.2222222222222222   0.2625
    2  Angus  0.18055555555555555  0.21052631578947367  0.24705882352941178  0.24050632911392406
    3  Jack   0.22784810126582278  0.2345679012345679   0.23529411764705882  0.22666666666666666
    4  Harry  0.26582278481012656  0.24358974358974358  0.24193548387096775  0.24675324675324675
    5  Ben    0.2345679012345679   0.2857142857142857   0.2894736842105263   0.3176470588235294
    -  -----  -------------------  -------------------  -------------------  -------------------

但是，这种方法似乎效率很低，并且会创建我认为没有必要的临时列表。 有没有更好的方法可以在不使用列表和循环的情况下完成此计算 - 例如 applymap 函数？

Answer 1

使用 pandas 向量化：

>>> columns = ['Round 1', 'Round 2', 'Round 3', 'Round 4']
>>> final = df1[columns] / df2[columns]

您也可以使用filter

>>> df1.filter(like='Round')/df2.filter(like='Round')

---

可以通过分配取回名称：

>>> final['Name'] = df1['Name']