熊猫比较类似DataFrames并获得最少

鉴于以下数据帧：熊猫比较类似DataFrames并获得最少

d1=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,5,6]}) 
d1.index=['A','B','E'] 

    A  B 
A 1.0  NaN 
B 2.0  5.0 
E NaN  6.0 

d2=pd.DataFrame({'A':[4,2,np.nan,4],'B':[4,2,np.nan,4]}) 
d2.index=['A','B','C','D'] 
    A  B 
A 4.0  4.0 
B 2.0  2.0 
C NaN  NaN 
D 4.0  4.0

我想比较它们找到每个对应的行中的最低值，同时保留来自各行指标。下面是我在寻找的结果：

A  B 
A 1.0  4.0 
B 2.0  2.0 
C NaN  NaN 
D 4.0  4.0 
E NaN  6.0

提前感谢！

来源

2017-04-12 Dance Party2

另一个选项是aligning首先是两个数据帧（索引和列），然后用numpy.fmin：

pd.np.fmin(*d1.align(d2))

少令人费解：

d1, d2 = d1.align(d2) 
pd.np.fmin(d1, d2)

来源

2017-04-12 17:59:58 Psidom

我喜欢这个！但你知道你只是把另一个工具放在我的工具箱中:-) – piRSquared

可以Concat的在DFS，然后使用GROUPBY保持分钟

df = pd.concat([d1,d2]) 
df = df.groupby(df.index).min()

你得到

A B 
A 1.0 4.0 
B 2.0 2.0 
C NaN NaN 
D 4.0 4.0 
E NaN 6.0

编辑：从@root和@ScottBoston更简洁的解决方案

pd.concat([d1, d2]).groupby(level=0).min()

来源

2017-04-12 17:50:55 Vaishali

或DF = df.groupby（df.index）.min（） –

或者在一个单一的线路'pd.concat（[D1，D2]）。GROUPBY（级别= 0）.min（）' – root

使用pd.Panel与min
另外请注意，这是推广到任意数量的dataframes的。

pd.Panel(dict(enumerate([d1, d2]))).min(0) 

    A B 
A 1.0 4.0 
B 2.0 2.0 
C NaN NaN 
D 4.0 4.0 
E NaN 6.0

来源

2017-04-12 18:05:41 piRSquared

熊猫比较类似DataFrames并获得最少

回答

相关问题