我有兩個(gè)具有相同日期時(shí)間索引的熊貓數(shù)據(jù)幀。第一個(gè)是J： A B C01/01/10 100 400 20001/02/10 300 200 40001/03/10 200 100 300第二個(gè)是K： 100 200 300 40001/01/10 0.05 -0.42 0.61 -0.1201/02/10 -0.23 0.11 0.82 0.3401/03/10 -0.55 0.24 -0.01 -0.73我想使用 J 來(lái)引用 K 并創(chuàng)建第三個(gè) DataFrame L，如下所示： A B C01/01/10 0.05 -0.12 -0.4201/02/10 0.82 0.11 0.3401/03/10 0.24 -0.55 -0.01為此，我需要獲取 J 中的每個(gè)值并在 K 中查找相應(yīng)的值，其中列名是同一日期的值。我試著做：L = J.apply( lambda x: K.loc[ x.index, x ], axis='index' )但得到：ValueError: If using all scalar values, you must pass an index理想情況下，我希望使用它，以便 J 中包含的任何 NaN 值將保持原樣，并且不會(huì)在 K 中查找。我沒(méi)有成功地嘗試過(guò)這個(gè)：L = J.apply( lambda x: np.nan if np.isnan( x.astype( float ) ) else K.loc[ x.index, x ] )
2 回答
慕尼黑的夜晚無(wú)繁華
TA貢獻(xiàn)1864條經(jīng)驗(yàn) 獲得超6個(gè)贊
使用DataFrame.melt和DataFrame.stack來(lái)DataFrame.join映射新值，然后我們將 DataFrame 恢復(fù)為原始形狀DataFrame.pivot：
#if neccesary
#K = K.rename(columns = int)
L = (J.reset_index()
.melt('index')
.join(K.stack().rename('new_values'),on = ['index','value'])
.pivot(index = 'index',
columns='variable',
values = 'new_values')
.rename_axis(columns = None,index = None)
)
print(L)
或與DataFrame.lookup
L = J.reset_index().melt('index')
L['value'] = K.lookup(L['index'],L['value'])
L = L.pivot(*L).rename_axis(columns = None,index = None)
print(L)
輸出
A B C
01/01/10 0.05 -0.12 -0.42
01/02/10 0.82 0.11 0.34
01/03/10 0.24 -0.55 -0.01
我認(rèn)為這apply可能是一個(gè)不錯(cuò)的選擇，但我不確定，我建議你看看When should I want use apply in my code
largeQ
TA貢獻(xiàn)2039條經(jīng)驗(yàn) 獲得超8個(gè)贊
用于DataFrame.apply基于DataFrame.lookup標(biāo)簽的索引。
# if needed, convert columns of df2 to integers
# K.columns = K.columns.astype(int)
L = J.apply(lambda x: K.lookup(x.index, x))
A B C
01/01/10 0.05 -0.12 -0.42
01/02/10 0.82 0.11 0.34
01/03/10 0.24 -0.55 -0.01
添加回答
舉報(bào)
0/150
提交
取消