我有两个从不同.csv
导入的数据框。
df10=pd.read_csv(path10, usecols=["Registros validados"])
df25=pd.read_csv(path25, usecols=["Registros validados"])
它们是 173k 行和一列,其中包含的数据是数字,但有一些空的测量值,当从csv
读取时被视为空字符串(与此相关的数字也是如此(。
我需要做的很简单,只有当两列都有一个数字并创建第三个数据帧时,我才需要减去它们。
找到了我从这个网页的其他帖子中得到的两个想法。以下两个是有效的(没有给我错误(,因为我主要看到的是.apply
,但这总是用于使用的列来自同一数据帧,它们不在这里。
"有效"的选项是
list(map(subs_PM, dfpm10, dfpm25))
# Returns ['']
和
dfpm10.combine(dfpm25, func=subs_PM)
# Actually returns a data frame, but is always empty with ''.
使用的减法函数是
def subs_PM_old(pm10, pm25):
try: # Thinking the strings would fail at this
pm10=int(pm10)
pm25=int(pm25)
except:
return ' '
else:
return pm10-pm25
认为减法的差异可能是由于数据帧不是数字。所以我做了以下操作将数字转换为数字并将字符串保留为字符串。
df10=df10.apply(pd.to_numeric, errors='ignore')
df25=df25.apply(pd.to_numeric, errors='ignore')
并将函数更新为
def subs_PM(pm10, pm25):
boolpm10=isinstance(pm10, (int, long, float, complex)) and not isinstance(pm10, bool)
boolpm25=isinstance(pm10, (int, long, float, complex)) and not isinstance(pm25, bool)
if boolpm10 and boolpm25:
return pm10-pm25
else:
return ''
但什么都没有改变
似乎正在发生的事情是,在这两种情况下,减去函数仅用于第一行,然后假设其余项目也是如此。
有没有办法改变这种状况?
显然这些不是我的数据帧,但请考虑使用这个
df1 = pd.DataFrame({1: range(10)})
df2 = pd.DataFrame({1: [2, 3, '', '', 2, 1, '', 6, 2, 3]})
df1.combine(df2, func=subs_PM)
df1.combine(df2, func=subs_PM_old)
list(map(subs_PM, df1, df2))
list(map(subs_PM_old, df1, df2))
试试这个:
def subs_PM(pm10, pm25):
#pm10 and pm25 are series... not a single number
#print(pm10)
try:
pm10=pd.to_numeric(pm10)
pm25=pd.to_numeric(pm25)
return pm10-pm25
except:
return None
df1 = pd.DataFrame({1: range(10)})
df2 = pd.DataFrame({1: [2, 3, '', '', 2, 1, '', 6, 2, 3]})
df1.combine(df2, func=subs_PM)
为了检查所有变体,我按如下方式定义了源数据帧:
df1 = pd.DataFrame({1: [0, '', 2, 3, 4, 5, '', 7, 8, 9]})
df2 = pd.DataFrame({1: [2, 3, '', '', 2, 1, 5, 6, 2, 3]})
目标是拥有"对"参数,其中df1或DF2可以包含一个字符串(要从最终结果中排除(。
初始操作包括:
- 联接两个数据帧,
- 用NaN替换空字符串并删除它们,
- 将类型更改回int,
- 为两列指定不同的名称。
执行此操作的代码是:
res = df1.join(df2, rsuffix='_2').replace('', np.nan).dropna().astype(int)
res.columns=['c1', 'c2']
对于我的源数据,结果是:
c1 c2
0 0 2
4 4 2
5 5 1
7 7 6
8 8 2
9 9 3
然后只需计算差异,将其保存在另一列中:
res['dif'] = res.c1 - res.c2
最终结果是:
c1 c2 dif
0 0 2 -2
4 4 2 2
5 5 1 4
7 7 6 1
8 8 2 6
9 9 3 6
如果需要,请删除c1和c2列。