Python Dataframe：combining/replacing 多索引列和单索引列

Question

我的 df 中有多个索引列。在我的 df 中，所有值都是 1 或 0，表示布尔值。我的任务是用另一个 df_test 数据帧中的值替换为“1”的值。见下文。

In [221]: df
Out[221]:
first        bar                 baz
second       one       two       one       two
0            0         1         0         0
1            1         0         1         1
2            0         0         0         1
3            0         0         0         0
4            1         1         1         1
..............(continues)

我的 df_test 有常规列（不是多索引）和应该进入 df 的值。

In [222]: df_test
Out[222]:
        amount
0            38
1            2179   
2            191     
3            4     
4            19823    
..............(continues)

两个数据帧匹配的索引和我的输出应该是：

In [223]: df
Out[223]:
first        bar                 baz
second       one       two       one       two
0            0         38        0         0
1            2179      0         2179      2179      
2            0         0         0         191     
3            0         0         0         0
4            19823     19823     19823     19823    
..............(continues)

请注意，我的 df 可以没有像 index = 3 这样的“1”值，或者像 index = 4 这样的全“1”值。如果有有效的方法来设置我的数据框

Answer 1

您想使用 pd.DataFrame.mask 并使用列 amount 作为替代。但是，您需要提供 axis=0 参数来告诉 Pandas 在索引上对齐。

df.mask(df.eq(1), df_test.amount, axis=0)

first     bar           baz       
second    one    two    one    two
0           0     38      0      0
1        2179      0   2179   2179
2           0      0      0    191
3           0      0      0      0
4       19823  19823  19823  19823

---

设置

df = pd.DataFrame(
    [[0, 1, 0, 0],
     [1, 0, 1, 1],
     [0, 0, 0, 1],
     [0, 0, 0, 0],
     [1, 1, 1, 1]],
    columns=pd.MultiIndex.from_product(
        [['bar', 'baz'], ['one', 'two']],
        names=['first', 'second']
    )
)

df_test = pd.DataFrame(dict(amount=[38, 2179, 191, 4, 19823]))

Answer 2

要获得结果，您可以使用广播乘法 -

v = df.values * df_test.amount.values[:, None]

v
array([[    0,    38,     0,     0],
       [ 2179,     0,  2179,  2179],
       [    0,     0,     0,   191],
       [    0,     0,     0,     0],
       [19823, 19823, 19823, 19823]])

要取回原始数据框，只需调用 DataFrame 构造函数 -

df = pd.DataFrame(v, columns=df.columns, index=df.index)
df

first     bar           baz       
second    one    two    one    two
0           0     38      0      0
1        2179      0   2179   2179
2           0      0      0    191
3           0      0      0      0
4       19823  19823  19823  19823

_{感谢 piRSquared 的 .}

借来的设置