在DF2列值與DF1索引匹配的pandas DataFrame1中設置新的列值

Question

我想在pandas數據框中設置一個新列，並使用dataframe2上的groupby計算值。

DF1：

     col1    col2
id    
 1    'a'
 2    'b'
 3    'c'

DF2：

          id    col2
 index    
     1     1      11
     1     1      22
     1     1      12
     1     1      45
     3     3      83
     3     3      11
     3     3      35
     3     3      54

我想按“ id”對DF2進行分組，然后對“ col2”應用一個函數以將結果放入DF1中的相應索引。 如果沒有該特定索引的組，那么我想用NaN填充...

ret_val = DF2.groupby('id').apply(lambda x: my_func(x['col_2']))

     col1    col2
id    
 1    'a'    ret_val
 2    'b'    NaN
 3    'c'    ret_val

...雖然我不太清楚如何實現這一目標

Answer 1

在df1.index系列上使用map 。

In [5327]: df1['col2'] = df1.index.to_series().map(df2.groupby('id')
                                                      .apply(lambda x: my_func(x['col2'])))

In [5328]: df1
Out[5328]:
   col1   col2
id
1     a  360.0
2     b    NaN
3     c  536.0

細節

In [5322]: def my_func(x):
      ...:     return x.sum()
      ...:

In [5323]: df2.groupby('id').apply(lambda x: my_func(x['col2']))
Out[5323]:
id
1    360.0
3    536.0
dtype: float64

In [5324]: df1.index.to_series().map(df2.groupby('id').apply(lambda x: my_func(x['col2'])))
Out[5324]:
id
1    360.0
2      NaN
3    536.0
Name: id, dtype: float64

Answer 2

首先在df2的col2上應用該函數，然后使用pd.concat將col2放入df中，因為它為空。

x = df2.groupby('id')['col2'].apply(sum) # instead of sum use your own function
ndf = pd.concat([df.drop('col2',1),x],1)

col1   col2
id            
1   'a'   90.0
2   'b'    NaN
3   'c'  183.0

@Zero提出的簡單直截了當的建議

df1['col2'] = df2.groupby('id')['col2'].apply(sum)

Answer 3

您可以用.apply(lambda x : your_func(x))代替sum

df1.col2=df.set_index('id').groupby(level='id').sum()
df1
Out[975]: 
   col1   col2
id            
1   'a'   90.0
2   'b'    NaN
3   'c'  183.0