我有3個(gè)數(shù)據(jù)框如下。df1 = pd.DataFrame( {"val" : [1, 11, 111, 1111, 11111, 11111], "val2" : [2, 22, 23, 24, 25, 26],"val3" : [33333, 33333, 3333, 333, 33, 3]} )val val2 val31 2 3333311 22 33333111 23 33331111 24 33311111 25 3311111 26 3df2 = pd.DataFrame( {"val" : [2, 22, 23, 24, 25, 26],"val2" : [1, 11, 111, 1111, 11111, 11111],"val3" : [3, 3, 3, 3, 3, 3] } )val val2 val32 1 322 11 323 111 324 1111 325 11111 326 11111 3&df3 = pd.DataFrame( {"val" : [33333, 33333, 3333, 333, 33, 3],"val2" : [3, 3, 3, 3333, 3, 3],"val3" : [2, 22, 23, 24, 25, 26] } )val val2 val333333 3 233333 3 223333 3 23333 3333 2433 3 253 3 26使用代碼pd.concat([df1,df2,df3]).min(level=0)，我得到一個(gè)日期幀，其中包含這 3 個(gè)數(shù)據(jù)幀的每個(gè)單元格的最小值val val2 val31 1 211 3 323 3 324 24 325 3 33 3 3現(xiàn)在，我的問題是有沒有辦法獲得一個(gè)數(shù)據(jù)框，該數(shù)據(jù)框顯示這些單獨(dú)的值來自哪個(gè)數(shù)據(jù)框？預(yù)期輸出如下val val2 val3df1 df2 df3df1 df3 df2df2 df3 df2df2 df1 df2df2 df3 df2df3 df3 df1,df2這在 Pandas 中是否可行？
3 回答
米脂
TA貢獻(xiàn)1836條經(jīng)驗(yàn) 獲得超3個(gè)贊
使用numpy.ma.apple_along_axis：
def min_finder(arr1d,sep=","):
return ",".join(["df%s" % i for i in np.argwhere(arr1d == arr1d.min()).ravel()+1])
new_df = pd.DataFrame(np.ma.apply_along_axis(min_finder, 2, np.stack(dfs, 0)).T)
print(new_df)
0 1 2
0 df1 df2 df3
1 df1 df3 df2
2 df2 df3 df2
3 df2 df3 df3
4 df2 df3 df2
5 df3 df3 df1,df2
如果您不想打領(lǐng)帶，請使用numpy.argmin：
dfs = [df1,df2,df3]
np.stack(dfs, 0).argmin(0)
輸出：
array([[0, 1, 2],
[0, 2, 1],
[1, 2, 1],
[1, 0, 1],
[1, 2, 1],
[2, 2, 0]])
或者讓它更漂亮一點(diǎn)：
np.char.add("df", (np.stack(dfs, 0).argmin(0)+1).astype(str))
array([['df1', 'df2', 'df3'],
['df1', 'df3', 'df2'],
['df2', 'df3', 'df2'],
['df2', 'df1', 'df2'],
['df2', 'df3', 'df2'],
['df3', 'df3', 'df1']], dtype='<U23')
慕斯王
TA貢獻(xiàn)1864條經(jīng)驗(yàn) 獲得超2個(gè)贊
這是一種基本方法，將值映射到其數(shù)據(jù)幀的名稱，找到分鐘，然后丟棄值：
(pd.concat([df1.applymap(lambda a: (a, 'df1')),
df2.applymap(lambda a: (a, 'df2')),
df3.applymap(lambda a: (a, 'df3'))])
.min(level=0)
.applymap(lambda a: a[1]))
val val2 val3
0 df1 df2 df3
1 df1 df3 df2
2 df2 df3 df2
3 df2 df1 df2
4 df2 df3 df2
5 df3 df3 df1
請注意，將在值相等的地方返回按名稱的第一個(gè)數(shù)據(jù)幀。
千巷貓影
TA貢獻(xiàn)1829條經(jīng)驗(yàn) 獲得超7個(gè)贊
這是使用字典和df.isin后跟數(shù)據(jù)透視表的一種方法，可能有點(diǎn)冗長，因?yàn)槲以跍y試時(shí)可能會搖擺不定，但確實(shí)可以
dict_of_dfs = {'df1':df1,'df2':df2,'df3':df3}
concated = pd.concat(dict_of_dfs.values())
a = np.vstack([np.where(v.isin(concated.min(level=0)),k,np.nan)
for k,v in dict_of_dfs.items()])
b = pd.DataFrame(a,columns=concated.columns,index=concated.index).replace('nan',np.nan)
print(b.head(10))
val val2 val3
0 df1 NaN NaN
1 df1 NaN NaN
2 NaN NaN NaN
3 NaN df1 NaN
4 NaN NaN NaN
5 NaN NaN df1
0 NaN df2 NaN
1 NaN NaN df2
2 df2 NaN df2
3 df2 NaN df2
然后使用pivot_table（當(dāng)然您可以進(jìn)行自定義更改以刪除額外的級別并重命名索引）
final = b.stack().reset_index()
final.pivot_table(index='level_0',columns='level_1',values=0,aggfunc=','.join)
level_1 val val2 val3
level_0
0 df1 df2 df3
1 df1 df3 df2
2 df2 df3 df2
3 df2 df1 df2
4 df2 df3 df2
5 df3 df3 df1,df2
添加回答
舉報(bào)
0/150
提交
取消