[英]How to group and aggregate different dataframes in pandas
df1
A B
a 1
a 1
a 4
b 1
b 3
df2
A B
a 1
a 2
c 3
c 5
df1.groupby("A").size()
a 3
b 2
df2.groupby("A").size()
a 2
c 2
我想獲得以下size
聚合
df1 df2
a 3 2
b 2 0
c 0 2
有沒有辦法實現這一目標? 我想知道聚合方法。
如果有人有意見,請告訴我。 謝謝
pd.concat
並傳遞axis=1
(這pd.merge
是pd.merge
的outer
連接,但語法更簡潔)。.fillna(0)
進行一些清理,根據需要使用.rename()
重命名列並使用.astype(int)
使列數據類型為整數:df3 = (pd.concat([df1.groupby("A").size(), df2.groupby("A").size()], axis=1)
.fillna(0).rename({0 : 'df1', 1 : 'df2'}, axis=1).astype(int))
df3
Out[1]:
df1 df2
a 3 2
b 2 0
c 0 2
如果你在熊貓工作,我會做一個外連接。
data = [['a','a','a','b','b'],[1,1,4,1,3]]
df1 = pd.DataFrame(data).T
df1.columns = ['A','B']
data = [['a','a','c','c'],[1,2,3,5]]
df2 = pd.DataFrame(data).T
df2.columns = ['A','B']
temp1 = pd.DataFrame(df1.groupby("A").size())
temp2 = pd.DataFrame(df2.groupby("A").size())
df = temp1.merge(temp2,how='outer',left_index=True,right_index=True)
df.fillna(0)
輸出
0_x 0_y
A
a 3.0 2.0
b 2.0 0.0
c 0.0 2.0
在concat
中可以使用參數keys
作為新列名,因為使用Series
,然后替換缺失值並轉換為整數:
df3 = (pd.concat([df1.groupby("A").size(),
df2.groupby("A").size()], axis=1, keys=['df1','df2'])
.fillna(0)
.astype(int))
print (df3)
df1 df2
a 3 2
b 2 0
c 0 2
另一個想法是首先使用concat
,通過DataFrame.reset_index
將MultiIndex
轉換為列,因此可能使用DataFrame.pivot_table
,最后使用DataFrame.rename_axis
:
df3 = (pd.concat([df1, df2], keys=['df1','df2'])
.reset_index()
.pivot_table(index='A', columns='level_0', aggfunc='size', fill_value=0)
.rename_axis(columns=None, index=None)
)
print (df3)
df1 df2
a 3 2
b 2 0
c 0 2
您可以執行以下操作:
In [883]: df1 = df1.groupby("A").size().reset_index()
In [884]: df2 = df2.groupby("A").size().reset_index()
In [886]: df1.merge(df2, on='A', how='outer').fillna(0).rename(columns={'0_x': 'df1', '0_y':'df2'}).set_index('A')
Out[886]:
df1 df2
A
a 3.0 2.0
b 2.0 0.0
c 0.0 2.0
#groupby using agg to rename axis.
g=df1.groupby("A", as_index=False)['B'].agg({'df1':'size'})
h=df2.groupby("A", as_index=False)['B'].agg({'df2':'size'})
#concat the resultant datframe, fffiil, bfill and dro duplicates
(pd.concat([g,h], ignore_index=True).sort_values(by='A').ffill().bfill()).drop_duplicates()
A df1 df2
0 a 3.0 2.0
1 b 2.0 2.0
3 c 2.0 2.0
只是@David 答案的一個變體:
frames = {"df1": df1, "df2": df2}
pd.concat(
{key: value.groupby("A").size() for key, value in frames.items()}, axis=1
).fillna(0)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.