pandas 对多个数据框求和 [英] Pandas sum multiple dataframes
本文介绍了 pandas 对多个数据框求和的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我有多个数据框,每个数据框都有一个多级索引和一个值列.我想在值列上添加所有数据框.
I have multiple dataframes each with a multi-level-index and a value column. I want to add up all the dataframes on the value columns.
df1 + df2
不是每个数据帧中的所有索引都完整,因此我在所有数据帧中都不存在的行上获取了nan
.
Not all the indexes are complete in each dataframe, hence I am getting nan
on a row which is not present in all the dataframes.
我该如何克服这个问题,并将任何数据框中不存在的行都视为值为0?
How can I overcome this and treat rows which are not present in any dataframe as having a value of 0?
例如.我想得到
val
a 2
b 4
c 3
d 3
来自pd.DataFrame({'val':{'a': 1, 'b':2, 'c':3}}) + pd.DataFrame({'val':{'a': 1, 'b':2, 'd':3}})
而不是
val
a 2
b 4
c NaN
d NaN
推荐答案
使用带有fill_value=0
参数的add
方法.
df1 = pd.DataFrame({'val':{'a': 1, 'b':2, 'c':3}})
df2 = pd.DataFrame({'val':{'a': 1, 'b':2, 'd':3}})
df1.add(df2, fill_value=0)
idx1 = pd.MultiIndex.from_tuples([('a', 'A'), ('a', 'B'), ('b', 'A'), ('b', 'D')])
idx2 = pd.MultiIndex.from_tuples([('a', 'A'), ('a', 'C'), ('b', 'A'), ('b', 'C')])
np.random.seed([3,1415])
df1 = pd.DataFrame(np.random.randn(4, 1), idx1, ['val'])
df2 = pd.DataFrame(np.random.randn(4, 1), idx2, ['val'])
df1
df2
df1.add(df2, fill_value=0)
这篇关于 pandas 对多个数据框求和的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文