将列匹配并添加到数据框答案

【问题标题】：Matching and adding column to data frame将列匹配并添加到数据框
【发布时间】：2014-08-22 15:23:24
【问题描述】：

我要为这个发疯了。我正在尝试根据在另一个数据框 DF2 中找到的值向数据框 DF1 添加一个新列。这就是他们的样子，

DF1=

    Date         Amount      Currency
0   2014-08-20   -20000000   EUR
1   2014-08-20   -12000000   CAD
2   2014-08-21   10000       EUR
3   2014-08-21   20000       USD
4   2014-08-22   25000       USD

DF2=

    NAME       OPEN
0   EUR        10
1   CAD        20
2   USD        30

现在，我想在 DF1 中创建一个名为 'Amount (Local)' 的新列，其中 'Amount' 中的每个金额 em> 与 DF2 中找到的正确匹配值相乘，得到一个结果，

DF1=

    Date         Amount      Currency   Amount (Local)
0   2014-08-20   -20000000   EUR        -200000000
1   2014-08-20   -12000000   CAD        -240000000
2   2014-08-21   10000       EUR        100000
3   2014-08-21   20000       USD        600000
4   2014-08-22   25000       USD        750000

如果存在一种基于函数向DF1添加列的方法，而不是像上述问题那样仅仅乘法，那也将非常感激。

谢谢，

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以使用第二个 df 的字典中的 map（在我的情况下，它称为 df1。您的是 DF2），然后将其结果乘以数量：

In [65]:

df['Amount (Local)'] = df['Currency'].map(dict(df1[['NAME','OPEN']].values)) * df['Amount']
df
Out[65]:
             Date    Amount Currency  Amount (Local)
index                                               
0      2014-08-20 -20000000      EUR      -200000000
1      2014-08-20 -12000000      CAD      -240000000
2      2014-08-21     10000      EUR          100000
3      2014-08-21     20000      USD          600000
4      2014-08-22     25000      USD          750000

所以分解一下，map 会将值与 dict 键中的值匹配，在这种情况下，我们将 Currency 与 NAME 键匹配，dict 中的值是 OPEN 值，结果将是：

In [66]:

df['Currency'].map(dict(df1[['NAME','OPEN']].values))
Out[66]:
index
0        10
1        20
2        10
3        30
4        30
Name: Currency, dtype: int64

然后，我们只需将该系列与来自df（在您的情况下为DF1）的Amount 列相乘即可获得所需的结果。

【讨论】：

感谢@EdChum！奇迹般有效。也感谢你的崩溃。我也尝试了@shx2 解决方案，它似乎仅在两个数据帧中的所有货币都相同的情况下才有效。在我的实际工作中，我的DF2 中确实有更多的货币代码，因此第二种解决方案更通用。给您带来的不便，我们深表歉意。

【解决方案2】：

使用花式索引创建与df1 中的数据对齐的货币数组，然后在乘法中使用它，并将结果分配给df1 中的新列：

import pandas as pd

ccy_series = pd.Series([10,20,30], index=['EUR', 'CAD', 'USD'])
df1 = pd.DataFrame({'amount': [-200, -120, 1, 2, 2.5], 'ccy': ['EUR', 'CAD', 'EUR', 'USD', 'USD']})

aligned_ccy = ccy_series[df1.ccy].reset_index(drop=True)
aligned_ccy
=> 
0    10
1    20
2    10
3    30
4    30
dtype: int64

df1['amount_local'] = df1.amount *aligned_ccy

df1
=> 
   amount  ccy  amount_local
0  -200.0  EUR         -2000
1  -120.0  CAD         -2400
2     1.0  EUR            10
3     2.0  USD            60
4     2.5  USD            75

【讨论】：