熊猫合并每次合并时划分一个值

Question

我有来自以下的2个数据帧

df:

Name
1    A
2    B
3    C
4    C
5    D
6    D
7    D
8    D

和df_value:

Name   Value
1    A      50
2    B      100
3    C      200
4    D      800

我想将两个数据帧合并(到df中(，但新的Value值为Value除以df中Name的出现次数

输出：

Name   Value
1    A      50
2    B      100
3    C      100
4    C      100
5    D      200
6    D      200
7    D      200
8    D      200

A出现一次，在df_value中的值为50，因此其值为50。B的逻辑相同。C出现2次，在df_value中的值为200，因此其值为200/2=100D出现4次，在df_value中的值为800，因此其值为800/4=200

我确信有一种非常简单的方法可以做到这一点，但我找不到。提前谢谢。

Answer 1

使用Series.map乘以Name列和来自df_value的系列，并将Series.value_counts的映射值除以

df['Value'] = (df['Name'].map(df_value.set_index('Name')['Value'])
.div(df['Name'].map(df['Name'].value_counts())))
print (df)
Name  Value
1    A   50.0
2    B  100.0
3    C  100.0
4    C  100.0
5    D  200.0
6    D  200.0
7    D  200.0
8    D  200.0

另一个解决方案，谢谢@sammywemmy是通过已经划分的值进行映射：

df1.assign(Value=df1.Name.map(df2.set_index("Name").Value.div(df1.Name.value_counts())))

merge的解决方案是可能的，也添加了GroupBy.transform计数的替代方案：

df['Value'] = (df.merge(df_value, on='Name', how='left')['Value']
.div(df.groupby('Name')['Name'].transform('size')))

Answer 2

如果保持现有数据帧原样很重要，并且不限制使用2行代码：

df1 = df.merge(df_value, on='Name', how='left')
df1['Value'] = df1.groupby('Name')[['Value']].transform(lambda x: x/len(x))

否则，一个线性解决方案会稍微修改现有的"df"。

df['Value'] = df.merge(df_value, on='Name', how='left').groupby('Name')[['Value']].transform(lambda x: x/len(x))

两者都用不同的变量名给出相同的输出：

Name  Value
0    A   50.0
1    B  100.0
2    C  100.0
3    C  100.0
4    D  200.0
5    D  200.0
6    D  200.0
7    D  200.0