时间戳

首页 > 解决方案 > 匹配共享相同类型数据的两列的有效方法

python - 匹配共享相同类型数据的两列的有效方法

问题描述

在这个问题中，“A”和“B”都存储相同类型的数据（页码）。'Hits_A' 是根据 'A' 的命中总和（之前的分组，未显示）。我想根据“B”列对“Hits_A”求和，然后将这些值与“A”列上的页码相关联，如下所示：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 4, 5, 6, 7], 'B': [3, 4, 5, 2, 1, 1, 6],
                   'Hits_A': [10, 40, 50, 35, 24, 60, 30]})

tmp = df.drop('A', axis=1)
tmp = tmp.groupby('B').sum().reset_index()
tmp = tmp.rename(columns={'B':'A', 'Hits_A':'Hits_B'})

output = pd.merge(df, tmp, how='left', on='A').drop('B', axis=1)

print(df)

产量

   A  B  Hits_A
0  1  3      10
1  2  4      40
2  3  5      50
3  4  2      35
4  5  1      24
5  6  1      60
6  7  6      30

print(output)

产量

   A  Hits_A  Hits_B
0  1      10    84.0
1  2      40    35.0
2  3      50    10.0
3  4      35    40.0
4  5      24    50.0
5  6      60    30.0
6  7      30     NaN

这些是我想以一种不那么笨拙、看起来更干净的方式复制的结果。我不太习惯 lambda 函数之类的东西，想知道这是否可以用更少的行来实现？

标签： pythonpandasdataframe

解决方案

我们可以groupby然后sum将map分组总和列A

df['Hits_B'] = df['A'].map(df.groupby('B')['Hits_A'].sum())

   A  B  Hits_A  Hits_B
0  1  3      10    84.0
1  2  4      40    35.0
2  3  5      50    10.0
3  4  2      35    40.0
4  5  1      24    50.0
5  6  1      60    30.0
6  7  6      30     NaN

推荐阅读