[英]Adding two pandas dataframes
我有两个dataframes
,都按timeseries
索引。 我需要将元素添加在一起以形成新的dataframe
,但dataframe
是索引和列相同。 如果该项不在dataframe
之一中,则应将其视为零。
我尝试使用.add
但是无论索引和列如何,总和都是这样。 还尝试了一个简单的combined_data = dataframe1 + dataframe2
但是如果两个数据帧都没有该元素,则给出NaN
。
有什么建议么?
x.add(y, fill_value=0)
怎么样?
import pandas as pd
df1 = pd.DataFrame([(1,2),(3,4),(5,6)], columns=['a','b'])
Out:
a b
0 1 2
1 3 4
2 5 6
df2 = pd.DataFrame([(100,200),(300,400),(500,600)], columns=['a','b'])
Out:
a b
0 100 200
1 300 400
2 500 600
df_add = df1.add(df2, fill_value=0)
Out:
a b
0 101 202
1 303 404
2 505 606
如果我对您的理解正确,那么您将需要:
(x.reindex_like(y).fillna(0) + y.fillna(0).fillna(0))
这将给出两个数据帧的总和。 如果一个值位于一个数据帧中,而不是另一个,则在该位置的结果将是该现有值(查看X中的B0和Y中的B0,然后查看最终输出)。 如果两个数据框中都缺少值,则该位置的结果将为零(查看X中的B1和Y中的B1,然后查看最终输出)。
>>> x
A B C
0 1 2 NaN
1 3 NaN 4
>>> y
A B C
0 8 NaN 88
1 2 NaN 5
2 10 11 12
>>> (x.reindex_like(y).fillna(0) + y.fillna(0).fillna(0))
A B C
0 9 2 88
1 5 0 9
2 10 11 12
上面的答案fillna(0)
和直接加法都会给您Nan值,如果它们中的任何一个具有不同的结构。
最好使用fill_value
df.add(other_df, fill_value=0)
为了使答案更笼统...首先,我将使用用于同步两个数据框的公共索引,然后将它们分别连接到我的模式( date ),然后将具有相同名称的列求和,最后将两个数据框都连接(删除其中之一添加的列),
您可以在此处查看示例(Google的股价取自Google):
import numpy as np
import pandas as pd
import datetime as dt
prices = pd.DataFrame([[553.0, 555.5, 549.3, 554.11, 0],
[556.8, 556.8, 544.05, 545.92, 545.92],
[545.5, 546.89, 540.97, 542.04, 542.04]],
index=[dt.datetime(2014,11,04), dt.datetime(2014,11,05), dt.datetime(2014,11,06)],
columns=['Open', 'High', 'Low', 'Close', 'Adj Close'])
corrections = pd.DataFrame([[0, 555.22], [1238900, 0]],
index=[dt.datetime(2014,11,3), dt.datetime(2014,11,4)],
columns=['Volume', 'Adj Close'])
dates = pd.DataFrame(prices.index, columns = ['Dates']).append(pd.DataFrame(corrections.index, columns = ['Dates'])).drop_duplicates('Dates').set_index('Dates').sort(axis=0)
df_corrections = dates.join(corrections).fillna(0)
df_prices = dates.join(prices).fillna(0)
for col in prices.columns:
if col in corrections.columns:
df_prices[col]+=df_corrections[col]
del df_corrections[col]
df_prices = df_prices.join(df_corrections)
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.