Python:如何在两个数据帧之间合并和划分?

Question

我有两个数据帧df1和df2。df1包含共享同一人口的两个地点之间的信息。

df1
PlaceA  Population PlaceB
0     3         10         2
1     4         10         2
2     7         17         0
3     9         13         1

虽然df2包含到达PlaceB的行进距离

df2
PlaceB  distance
0      0       130
1      1       145
2      2       165

我想要一个数据帧，可以合并df1和df2PlaceB，并返回人口除以共享同一人口的地方数量。例如，地点 2,3,4 共享相同的人口，我们除以 3。

df3   
Place     Population   Distance
0       0          17/2        130
1       1          13/2        145 
2       2          10/3        165
3       3          10/3        165
4       4          10/3        165
5       7          17/2        130
6       9          12/2        145

Answer 1

你可以试试：

将

1. PlaceB上的两个数据帧与outer合并，以确保考虑所有PlaceB值。merge函数完成这项工作。
2. 使用groupby按placeB分组。

3. 对于每个组：

   3.1. 使用melt将PlaceA和PlaceB列转换为一列(称为Place(。

   3.2. 使用drop_duplicates删除重复项

   3.3. 将Population列转换为所需的输出。在这里，我将其转换为字符串以匹配所需的输出。

可选(匹配所需的输出(：

4. 使用sort_values按Place对值进行排序。

5. 使用drop删除变量列

6. 使用reset_index重置并删除当前索引。

这里的代码：

# Import module
import pandas as pd
# The input data
df1 = pd.DataFrame({"PlaceA": [3, 4, 7, 9],
"Population": [10, 10, 17, 13],
"PlaceB": [2, 2, 0, 1]})
df2 = pd.DataFrame({"PlaceB": [0, 1, 2], "distance": [130, 145, 165]})
# Function to apply to each `PlaceB` group
def melt_and_pop_up(x):
x = x.melt(id_vars=['Population', 'distance'], value_name='Place') 
.drop_duplicates()
x.Population = "{}/{}".format(x.Population.values[0], len(x))
# Get decimal values
# x.Population = x.Population.values[0] / len(x)
return x

df = df1.merge(df2, on="PlaceB", how='outer')  
.groupby('PlaceB') 
.apply(melt_and_pop_up) 
.sort_values('Place') 
.drop(columns=['variable'])  
.reset_index(drop=True) 
[["Place", "Population", "distance"]]
print(df)
#    Place Population  distance
# 0      0       17/2       130
# 1      1       13/2       145
# 2      2       10/3       165
# 3      3       10/3       165
# 4      4       10/3       165
# 5      7       17/2       130
# 6      9       13/2       145

Answer 2

我创建了一个自定义函数并使用lambda调用它。基本上按人口分组，并按地点 A 和 B 中的独特元素数量划分。

df1= pd.DataFrame({"PLaceA":[3,4,7,9], "Population": [10,10,17,13], "PlaceB": 
[2,2,0,1]})
df2 = pd.DataFrame({"PlaceB":[0,1,2], "distance": [130,145,165]})
df3 = df1.merge(df2, on= "PlaceB", how= "left")

def find_unique(a,b,p):
t = p.tolist()[0]
r = t/(len(a.unique())+len(b.unique()))
return r
df4 = df3.groupby(['Population']).apply(lambda x: find_unique(x["PLaceA"], 
x["PlaceB"], x["Population"])).reset_index()
df3=df3.merge(df4, on ="Population", how="left").rename( columns = 
{0:"newpop"})
df5 = df3[['PLaceA','newpop']].drop_duplicates().rename(columns ={'PLaceA': 
'Place', 'newpop':"Population"})
df6 = df3[['PlaceB','newpop']].drop_duplicates().rename(columns ={'PlaceB': 
'Place', 'newpop':"Population"})
final_df = pd.concat([df5,df6])