Python：从一个数据框获取值并添加到另一个数据框（行和列条件）

100

Hassan Dbouk |

假设我们有以下两个数据框：df1和df2

x1 = [{'partner': "Afghanistan", 'trade_value':100, 'commodity': 1, 'year': 2013}, 
      {'partner': "Zambia",'trade_value':110, 'commodity': 2, 'year': 2016}, 
      {'partner': "Germany",'trade_value':120, 'commodity': 2, 'year': 2014},
      {'partner': "Afghanistan",'trade_value':150, 'commodity': 2, 'year': 2014},
      {'partner': "USA",'trade_value':1120, 'commodity': 5, 'year': 2013}];

df1 = pd.DataFrame(x1)

#Add GDP column
df1['GDP'] = 0;

x2 = [{'country': "Afghanistan", 'commodity': 5, 'GDP-2013': 5000, 'GDP-2014': 5500},
      {'country': "USA", 'commodity': 5, 'GDP-2013': 15012, 'GDP-2014': 16500},
      {'country': "Germany", 'commodity': 7, 'GDP-2013': 7500, 'GDP-2014': 8300}];

df2 = pd.DataFrame(x2)

我想做的是根据中显示的年份加上df1来自的国家的GDP 。df2df1

例如：在第一行df1，我想要得到的国内生产总值Afghanistan全年2013。我将不得不通过df2与匹配找到该行country并GDP-year再拿到下的值GDP-year

的最终输出df1应如下所示：

|  partner   | trade_value | commodity |  year  |  GDP  | 
|------------|-------------|-----------|--------|-------|
| Afghanistan|     100     |     1     |  2013  |  5000 |
| Zambia     |     110     |     2     |  2016  |  NaN  |
| Germany    |     120     |     2     |  2014  |  8300 |
| Afghanistan|     150     |     2     |  2014  |  5500 |
| USA        |     1120    |     5     |  2013  |  16500|

我花了数小时尝试map和loc方法，但没有任何效果。我目前正在研究的是：

for index, row in df2.iterrows():
    for column in df2:
         df1.loc[df1['partner'] == row['country'] and 'GDP-'+str(df1['year']) == column, ['GDP']] = row[column];

我收到以下错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

阿比

IIUC的使用：

x1 = [{'partner': "Afghanistan", 'trade_value':100, 'commodity': 1, 'year': 2013}, 
      {'partner': "Zambia",'trade_value':110, 'commodity': 2, 'year': 2016}, 
      {'partner': "Germany",'trade_value':120, 'commodity': 2, 'year': 2014},
      {'partner': "Afghanistan",'trade_value':150, 'commodity': 2, 'year': 2014},
      {'partner': "USA",'trade_value':1120, 'commodity': 5, 'year': 2013}];  
df1 = pd.DataFrame(x1)    

x2 = [{'country': "Afghanistan", 'commodity': 5, 'GDP-2013': 5000, 'GDP-2014': 5500},
      {'country': "USA", 'commodity': 5, 'GDP-2013': 15012, 'GDP-2014': 16500},
      {'country': "Germany", 'commodity': 7, 'GDP-2013': 7500, 'GDP-2014': 8300}];    
df2 = pd.DataFrame(x2)

# Melt the dataframe.
temp = df2.melt(id_vars=['commodity','country']).drop('commodity',1)
# Extract year and convert to int.
temp.variable = temp.variable.str.slice(4).astype(int)

# Then merge it with df1.
df3 = df1.merge(temp,left_on=['partner','year'],right_on=['country','variable'],how='left')
# Drop columns which are not required.
df3 = df3.drop(['country','variable'], axis=1).rename(columns={'value':'GDP'})

print (df3)

   commodity      partner  trade_value  year      GDP
0          1  Afghanistan          100  2013   5000.0
1          2       Zambia          110  2016      NaN
2          2      Germany          120  2014   8300.0
3          2  Afghanistan          150  2014   5500.0
4          5          USA         1120  2013  15012.0

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。