列的数学运算基于其他列pandas的相同值

Question

我的第一个数据帧是：

df1 =     


    A        B
    61880    7
    62646    8
    62651    9
    62656    10
    62783    11

我的第二个数据框是：

df2 =

    C        D
    62783    2
    62646    3
    61880    4
    62656    5
    62651    6

正如你在第一和第二个数据框中看到的那样，我们有相同值的列不是以相同的顺序（！）(col A and col C)

期望的输出是：从具有相同“A”和“C”值的行中获取“B”和“D”的所有值，并对它们进行数学运算（例如，B除以D）。

示例：2 + 11（两者在“A”和“C”列中具有相同的值62783）

加成！ EDITED！

非常感谢！我遇到了另一个我忘记提及的问题：

有时，在“A”列中我有相同的值，例如我们可以看到“61880”两次，依此类推：

df1 =

A        B
*61880*    7
**62646**    8
62651    9
62656    10
62783    11
*61880*    3
**62646**    2

我想通过考虑以下因素来做你提到过的同样的过程：

我想基于“B”的值对列“A”进行排序，即“B”的总和。就像是：

 61880    7+3
 62646    8+2
 ...

我用data.groupby('mm_fid')['vel'].sum()做了我得到了结果，但之后我无法进行操作。因此，我想创建具有“B”之和的唯一列，然后继续您提供的答案！

Answer 1

我相信你需要DataFrame.add与DataFrame.set_index：

df3 = df1.set_index('A')['B'].add(df2.set_index('C')['D'], fill_value=0).reset_index()
df3.columns = ['A','B']
print (df3)
       A   B
0  61880  11
1  62646  11
2  62651  15
3  62656  15
4  62783  13

另一个解决方案是使用concat与聚合sum：

d = {'C':'A', 'D':'B'}
df3 = pd.concat([df1, df2.rename(columns=d)]).groupby('A', as_index=False)['B'].sum()
print (df3)
       A   B
0  61880  11
1  62646  11
2  62651  15
3  62656  15
4  62783  13

Answer 2

你需要一个merge，然后只需添加相应的值：

res = df1.merge(df2, left_on='A', right_on='C')
(res.B + res.D).to_frame('result').set_index(res.A)

        result
A            
61880      15
62646      14
62651      21
62656      20
62783      15