时间戳

首页 > 解决方案 > 如何遍历两个数据框的列，按键分组并执行计算

python - 如何遍历两个数据框的列，按键分组并执行计算

问题描述

我有两个包含大约 300 列的数据框，其中包含干预前和干预后的分数。我需要为每个具有单个 ID 的参与者计算每列中前后之间的差异。作为一个小例子，我有：

Pre-intervention:
     ID     DEPRESSION  ANXIETY COGNITION
0   001          10        2       6
1   002          15       12      -3
2   003          14       -2       6
3   004          14        1       2

Post-intervention:
     ID     DEPRESSION  ANXIETY COGNITION
0   001           9        3      10
1   002           6       -5       2
2   003          14        8      -3
3   004           2       11       2

我正在使用下面的代码（改编自Using two dataframes to calculate final value pandas），它创建一个序列映射 ID 到 DEPRESSION 的总和，然后将这些总和映射到 df1 中的 ID 并从 DEPRESSION 中减去。

s = df1.groupby('ID')['DEPRESSION'].sum()

df2['DEPRESSION'] = df2['DEPRESSION'] - df2['ID'].map(s).fillna(0)

这给了我：

    ID  DEPRESSION  ANXIETY     COGNITION
0   001     -1         3           10
1   002     -9        -5            2
2   003      0         8           -3
3   004     -12       11            2

即凹陷列的差异。我无法弄清楚如何将其应用于我的数据框中的每一列。我曾尝试在列名上编写一个 for 循环，但由于该groupby元素（我认为）而我正在苦苦挣扎。

非常感谢任何帮助。

标签： pythonpandas

解决方案

你可以做？：

newdf = df2.sub(df1, fill_value=0) 
newdf['ID'] = df1['ID']

您也可以通过以下两种方式进行操作：

逐个

newdf['ID'] = df1['ID']
newdf['DEPRESSION'] = df2['DEPRESSION'] - df1['DEPRESSION'] 
newdf['ANXIETY'] = df2['ANXIETY'] - df1['ANXIETY']
newdf['COGNITION'] = df2['COGNITION'] - df1['COGNITION']

或者使用 sub 构建列，删除它们。您可以在 columns= 内使用 ['col1', 'col2'] 但在此处使用列名而不是 col1, col2：

df2.drop(columns=['col1', 'col2']).sub(df1.drop(columns=['col1', 'col2']))

我希望其中之一有帮助

推荐阅读