如何根据一列的相同行值映射多个数据集？答案

【问题标题】：How to map multiple datasets based on the same row values of one column?如何根据一列的相同行值映射多个数据集？
【发布时间】：2022-11-16 00:09:29
【问题描述】：

我有三个数据集，

df1
   name              A         B         C         D  
0  Jeffrey Ray       0.171130  0.307791 -0.031378  0.366607
1  Crystal Roberts   0.429614  1.674201  0.176098 -1.289623
2  Paul Choute       0.396332 0.879003  1.889926  0.745100
3  Amy Clements      1.452253  0.724694 -0.830645 -0.342138
4  Stanley Coston    -0.135439 -0.293293  0.684627  0.538049

df2
   name              A         B         C         D  
0  Jeffrey Ray       0.173430  0.399791 -0.012278  0.88897
1  Sara Flicker      0.635744  1.699001  0.176098 -1.11113
2  Jack Sether      0.323333 0.879003  1.889926  0.983640
3  Amy Clements      1.452253  0.784734 -0.673695 -0.342138
4  Stanley Coston    -0.143222 -0.293293  0.683647  0.638479

df3
   name              A         B         C         D  
0  Jeffrey Ray       0.638273  0.687777  0.766666  0.900032
1  Sara Flicker      0.635744  1.699001  0.176098 -1.11113
2  Samantha Runyon   0.323333 -0.879003  1.889926  -0.683640
3  Amy Clements      -1.452253  0.784734 -0.673695 -0.342138
4  Stanley Coston    -0.143222 -0.282222  0.683647  -0.638479

我想在每个名称中映射名称并获得总和 D：

Jeffrey Ray  0.366607+0.88897+0.900032
Amy Clements -0.342138+(-0.342138)+(-0.342138)
Stanley Coston 0.538049+0.638479-0.638479

我试过 pd.merge：

pd.merge(df1, df2, on='name', how='inner').sum().reset_index()

但输出不是我预期的。关于我应该如何改变它的任何建议？另一个问题是它每次只能合并两个数据集，有没有一种有效的方法可以在没有 for 循环的情况下同时映射多个数据集？

谢谢

【问题讨论】：

标签： python pandas

【解决方案1】：

怎么样：

dfs = pd.concat([df1,df2,df3])
out = dfs.groupby('name')['D'].sum()[dfs['name'].value_counts()==3]

输出：

 name
Amy Clements     -1.026414
Jeffrey Ray       2.155609
Stanley Coston    0.538049
Name: D, dtype: float64

【讨论】：

@Geinkehdsk 和 .value_counts，我们正在计算每个名称在 dfs 中出现的次数，并且由于重叠的名称必须出现 3 次，因此我们对其进行过滤。

【解决方案2】：

您只能concat D 列，使用名称为index。使用dropna 删除不完整的数据集，使用sum：

dfs = [df1, df2, df3]
(pd.concat([d.set_index('name')['D'] for d in dfs], axis=1)
   .dropna()
   .sum(1)
)

输出：

name
Jeffrey Ray       2.155609
Amy Clements     -1.026414
Stanley Coston    0.538049

【讨论】：

【解决方案3】：

使用来自functools 的pd.merge 和reduce：

from functools import reduce

out = reduce(lambda dfL, dfR: dfL.set_index('name').add(dfR.set_index('name')).reset_index(), [df1, df2, df3]) 
            .dropna().set_index('name')['D']
print(out)

# Output:
name
Amy Clements     -1.026414
Jeffrey Ray       2.155609
Stanley Coston    0.538049
dtype: float64

【讨论】：

@mozway。感谢您的编辑。

【解决方案4】：

df1=df1.set_index('name')
df2=df2.set_index('name')
df3=df3.set_index('name')

idx1=df1.index.intersection(df2.index)
    .intersection(df3.index)

(df1.loc[idx1]+df2.loc[idx1]+df3.loc[idx1]).reset_index()

            name         A         B         C         D
0     Jeffrey-Ray  0.982833  1.395359  0.723010  2.155609
1    Amy-Clements  1.452253  2.294162 -2.178035 -1.026414
2  Stanley-Coston -0.421883 -0.868808  2.051921  0.538049

【讨论】：