对来自 2 个数据帧的匹配列执行数学运算：Python Pandas答案

【问题标题】：Perform mathematical operation on a matching columns from 2 data frames: Python Pandas对来自 2 个数据帧的匹配列执行数学运算：Python Pandas
【发布时间】：2015-04-23 15:43:21
【问题描述】：

我有这两个具有不同行索引的数据框，但有些列是相同的。我想要做的是获取一个数据框，它将具有相同列名的两个数据框的数量相加

df1 = pd.DataFrame([(1,2,3),(3,4,5),(5,6,7)], columns=['a','b','d'], index = ['A', 'B','C','D'])
df1
   a  b  d
A  1  2  3
B  3  4  5
C  5  6  7

df2 = pd.DataFrame([(10,20,30)], columns=['a','b','c'])

df2
    a   b   c
0  10  20  30

输出数据框：

    a   b  d
A  11  22  3
B  13  24  5
C  15  16  7

最好的方法是什么？ .add() 似乎不适用于具有不同索引的数据帧。

【问题讨论】：

这里的问题是对齐会发生在列和索引上。你关心如何到达最终的df吗？我的意思是这行得通：pd.DataFrame(data=(df1.values + df2.values), columns = df2.columns, index = df1.index)
如果我没记错的话，df1 有 a,b,d 列，df2 有 a,b,c 列。而且，当您添加时，您只想添加a,b 常用列？

标签： python pandas frame

【解决方案1】：

这个单线就可以了：

In [30]: df1 + df2.ix[0].reindex(df1.columns).fillna(0)
Out[30]:
    a   b  d
A  11  22  3
B  13  24  5
C  15  26  7

【讨论】：

啊。 reindex+1 单线

【解决方案2】：

这是一种方法。

从df1 和df2 中提取要添加的常用列。

In [153]: col1 = df1.columns

In [154]: col2 = df2.columns

In [155]: cols = list(set(col1) & set(col2))

In [156]: cols
Out[156]: ['a', 'b']

现在添加值

In [157]: dff = df1

In [158]: dff[cols] = df1[cols].values+df2[cols].values

In [159]: dff
Out[159]:
    a   b  d
A  11  22  3
B  13  24  5
C  15  26  7

【讨论】：

【解决方案3】：

我认为这可能是最短的方法：

In [36]:

print df1 + df2.ix[0,df1.columns].fillna(0)
    a   b  d
A  11  22  3
B  13  24  5
C  15  26  7

第 1 步的结果是 series，如下所示：在[44]中：

df2.ix[0,df1.columns]
Out[44]:
a    10
b    20
d   NaN
Name: 0, dtype: float64

填写nan并将其添加到df1就足够了，因为索引将对齐：

In [45]:

df2.ix[0,df1.columns].fillna(0)
Out[45]:
a    10
b    20
d     0
Name: 0, dtype: float64

【讨论】：

检查 OP 的 d column 输出。