在pandas DataFrame中减去多列并追加结果

Question

在pandas DataFrame中减去多列并追加结果

3

我有一张传感器数据表，其中一些列是测量值，另一些列是传感器偏差。例如，像这样：

df=pd.DataFrame({'x':[1.0,2.0,3.0],'y':[4.0,5.0,6.0],
                 'dx':[0.25,0.25,0.25],'dy':[0.5,0.5,0.5]})

    dx   dy    x    y
0  0.25  0.5  1.0  4.0
1  0.25  0.5  2.0  5.0
2  0.25  0.5  3.0  6.0

我可以通过从测量值中减去偏差来向表格中添加一列，方法如下：

df['newX'] = df['x'] - df['dx']

    dx   dy    x    y  newX
0  0.25  0.5  1.0  4.0  0.75
1  0.25  0.5  2.0  5.0  1.75
2  0.25  0.5  3.0  6.0  2.75

但我希望一次性为多个列执行此操作。以下方法无效：

df[['newX','newY']] = df[['x','y']] - df[['dx','dy']]

似乎有两个原因。

当从数据框中减去另一个数据框时，列标签用于对齐减法运算，因此结果将包含4列['x', 'y', 'dx', 'dy']。
看起来可以使用索引将单个列插入到数据框中，但是不能插入多个列。

显然，我可以迭代每列并单独处理，但是否有更紧凑的方法来实现我所尝试做的事情，更类似于一列解决方案？

- Omegaman

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- unutbu · Accepted Answer

数据框通常会对列和行索引进行算术运算等操作。由于 df[['x','y']] 和 df[['dx','dy']] 具有不同的列名，因此不会从 x 列中减去 dx 列，y 列也是如此。

相反，如果你从数据框中减去一个 NumPy 数组，则元素级别地执行操作，因为 NumPy 数组没有 Panda 风格的索引可以对齐。

因此，如果你使用 df[['dx','dy']].values 提取由 df[['dx','dy']] 中的值组成的 NumPy 数组，则可以按预期进行赋值。

import pandas as pd

df = pd.DataFrame({'x':[1.0,2.0,3.0],'y':[4.0,5.0,6.0],
                 'dx':[0.25,0.25,0.25],'dy':[0.5,0.5,0.5]})
df[['newx','newy']] = df[['x','y']] - df[['dx','dy']].values
print(df)

产量

     dx   dy    x    y  newx  newy
0  0.25  0.5  1.0  4.0  0.75   3.5
1  0.25  0.5  2.0  5.0  1.75   4.5
2  0.25  0.5  3.0  6.0  2.75   5.5

请注意，如果您尝试将NumPy数组（在右侧）分配给DataFrame（在左侧），则左侧指定的列名必须已经存在。

相反，当将右侧的DataFrame分配给左侧的DataFrame时，可以使用新列，因为在这种情况下 Pandas会将左侧的键（新列名）与右侧的列一起压缩，并按列顺序分配值而不是通过对齐列：

            for k1, k2 in zip(key, value.columns):
                self[k1] = value[k2]

因此，在右侧使用DataFrame

df[['newx','newy']] = df[['x','y']] - df[['dx','dy']].values

工作正常，但在右侧使用NumPy数组

df[['newx','newy']] = df[['x','y']].values - df[['dx','dy']].values

不。