从其他数据帧逐行查找答案

【问题标题】：Row-wise lookup from other data frame从其他数据帧逐行查找
【发布时间】：2018-12-10 21:37:01
【问题描述】：

我有两个数据框，我想根据某些条件进行组合。这是第一个数据帧，每一行代表一个观察（因此 ID 出现多次）：

df1

  ID  Count  Publication
0  A     10         1990
1  B     15         1990
2  A     17         1990
3  B     19         1991
4  A     13         1991

这是第二个数据框。在这里，每个 ID 只显示一次，但随着时间的推移（这里是 1990 年到 1993 年）。

df2

  ID  1990  1991  1992  1993
0  A   1.1   1.2   1.3   1.4
1  B   2.3   2.4   2.4   2.6
2  C   3.4   3.5   3.6   3.7
3  D   4.5   4.6   4.7   4.8

我的目标是向 df1 添加一个结果列，其中我将 df1["Count"] 列中的值与 df2 中的相应值（ID-Year 对）相乘，例如第一行：“1990”中的“ID”A 是 1.1 乘以“Count”10 = 11。

results

  ID  Count  Publication  Results
0  A     10         1990     11.0
1  B     15         1990     34.5
2  A     17         1990     18.7
3  B     19         1991     45.6
4  A     13         1991     15.6

到目前为止，我已经尝试了多个使用 pandas .apply() 函数的选项，但没有成功。我也尝试过 .merge() 根据 ID 从 df2 到 df1 的列，但之后我仍然无法进行计算（我希望这可以简化问题）。

问题：是否有一种简单有效的方法可以逐行遍历 df1 并从 df2 中“挑选”相应的值进行计算？

【问题讨论】：

标签： python pandas

【解决方案1】：

使用lookup

df2.set_index('ID').lookup(df1.ID,df1.Publication.astype(str))
Out[189]: array([1.1, 2.3, 1.1, 2.4, 1.2])

df1['Results']=df2.set_index('ID').lookup(df1.ID,df1.Publication.astype(str))*(df1.Count)
df1
Out[194]: 
  ID  Count  Publication  Results
0  A     10         1990     11.0
1  B     15         1990     34.5
2  A     17         1990     18.7
3  B     19         1991     45.6
4  A     13         1991     15.6

【讨论】：

完美运行，谢谢！我知道一定有一个简单的方法:)

【解决方案2】：

我真的不知道它的效率如何，但你可以这样做：

df1 = df1.set_index(['ID', 'Publication'])
df2 = df2.set_index('ID').stack()
df2.index.rename(['ID', 'Publication'], inplace=True)
df1['df2_value'] = df2
df1['result'] = df1['Count'] * df1['df2_value']

【讨论】：