如何将一列除以另一列，其中一个数据框的列值对应于 Python Pandas 中另一个数据框的列值？
How to divide one column by another where one dataframe's column value corresponds to another dataframe's column's value in Python Pandas?
考虑 Python Pandas 中的以下数据帧：
DataframeA
ColA
ColB
ColC
1
dog
439
1
cat
932
1
frog
932
2
dog
2122
2
cat
454
2
frog
773
3
dog
9223
3
cat
3012
3
frog
898
DataframeB
ColD
ColE
1
101
2
314
3
124
请注意，ColB 只是在 ColA 向上迭代时重复它的字符串值。 ColC 和 ColE 是随机的。 ColA 和 ColD 对应。 ColD 值永远不会有重复（如地图）。
我想在 ColA == ColD 的任何地方将 ColC 除以 ColE，理想情况下将结果值放在 DataframeA 的新列中（或者只是让它覆盖 ColC）。结果值应该可以有小数。
如何在 Python Pandas 中执行此操作？
IIUC，你可以合并然后划分，只是为了下面的新 df 使用，否则使用@Manakin 的 .
out = (df_a.merge(df_b,left_on='ColA',right_on='ColD',how='left')
.assign(new=lambda x:x['ColC'].div(x['ColE'])).reindex(columns=[*df_a.columns]+['new']))
print(out)
ColA ColB ColC new
0 1 dog 439 4.346535
1 1 cat 932 9.227723
2 1 frog 932 9.227723
3 2 dog 2122 6.757962
4 2 cat 454 1.445860
5 2 frog 773 2.461783
6 3 dog 9223 74.379032
7 3 cat 3012 24.290323
8 3 frog 898 7.241935
你可以使用.map
如果您有多个键可以加入，那么 merge 会更有用，正如@anky
所展示的那样
df1['ColF'] = df1['ColC'] / df1['ColA'].map(df2.set_index(['ColD'])['ColE'])
ColA ColB ColC ColF
0 1 dog 439 4.346535
1 1 cat 932 9.227723
2 1 frog 932 9.227723
3 2 dog 2122 6.757962
4 2 cat 454 1.445860
5 2 frog 773 2.461783
6 3 dog 9223 74.379032
7 3 cat 3012 24.290323
8 3 frog 898 7.241935
考虑 Python Pandas 中的以下数据帧：
DataframeA
| ColA | ColB | ColC |
|---|---|---|
| 1 | dog | 439 |
| 1 | cat | 932 |
| 1 | frog | 932 |
| 2 | dog | 2122 |
| 2 | cat | 454 |
| 2 | frog | 773 |
| 3 | dog | 9223 |
| 3 | cat | 3012 |
| 3 | frog | 898 |
DataframeB
| ColD | ColE |
|---|---|
| 1 | 101 |
| 2 | 314 |
| 3 | 124 |
请注意，ColB 只是在 ColA 向上迭代时重复它的字符串值。 ColC 和 ColE 是随机的。 ColA 和 ColD 对应。 ColD 值永远不会有重复（如地图）。
我想在 ColA == ColD 的任何地方将 ColC 除以 ColE，理想情况下将结果值放在 DataframeA 的新列中（或者只是让它覆盖 ColC）。结果值应该可以有小数。
如何在 Python Pandas 中执行此操作？
IIUC，你可以合并然后划分，只是为了下面的新 df 使用，否则使用@Manakin 的
out = (df_a.merge(df_b,left_on='ColA',right_on='ColD',how='left')
.assign(new=lambda x:x['ColC'].div(x['ColE'])).reindex(columns=[*df_a.columns]+['new']))
print(out)
ColA ColB ColC new
0 1 dog 439 4.346535
1 1 cat 932 9.227723
2 1 frog 932 9.227723
3 2 dog 2122 6.757962
4 2 cat 454 1.445860
5 2 frog 773 2.461783
6 3 dog 9223 74.379032
7 3 cat 3012 24.290323
8 3 frog 898 7.241935
你可以使用.map
如果您有多个键可以加入，那么 merge 会更有用，正如@anky
df1['ColF'] = df1['ColC'] / df1['ColA'].map(df2.set_index(['ColD'])['ColE'])
ColA ColB ColC ColF
0 1 dog 439 4.346535
1 1 cat 932 9.227723
2 1 frog 932 9.227723
3 2 dog 2122 6.757962
4 2 cat 454 1.445860
5 2 frog 773 2.461783
6 3 dog 9223 74.379032
7 3 cat 3012 24.290323
8 3 frog 898 7.241935