[已解决]2个数据帧变换后合并的问题，求大师帮忙，谢谢

futui

2个数据帧变换后合并的问题，求大师帮忙，谢谢

import pandas as pd
df1 = pd.DataFrame(columns=["2022-11-07 00:00:00", "2022-11-08 00:00:00", "2022-11-09 00:00:00"])

data = [["2345", "A", "2022-12-20", "2.1016", "-0.72","2.8", "-0.77"],
        ["004243", "C", "2022-12-15", "2.0891", "45","-0.77"],
        ["519212", "B", "2022-12-10", "333", "1.9733", "-0.77", "-3.29"]]
columns = ["编号", "名称", "日期", "AA", "BB","CC","DD"]
df2 = pd.DataFrame(data, columns=columns)

1，求df2最后三列的平均值
2，把df1列名转换成一列，列名是日期，再把df2的平均值合并上，成下面的样子
日期                              平均值
2022-11-07 00:00:00              15.42
2022-11-08 00:00:00              0.42
2022-11-09 00:00:00              -2.03

最佳答案

月排行榜 / 总排行榜

sfqxx

2023-5-13 17:38:59

以下是答案：

1. 求出 df2 最后三列的平均值

df2[["AA", "BB", "CC"]].astype(float).mean(axis=1)

这里先用 astype 转换成为 float 类型，然后沿着行方向计算平均值。

2. 把 df1 列名转换成一列，列名是日期，再把 df2 的平均值合并上

# 把 df1 的列名转换成一列
date = pd.melt(df1)["value"]

# 计算 df2 的最后三列平均值
avg = df2[["AA", "BB", "CC"]].astype(float).mean(axis=1)

# 合并两个数据序列
result = pd.DataFrame({"日期": date, "平均值": avg})

# 根据时间排序
result = result.sort_values("日期")

# 重置索引
result = result.reset_index(drop=True)

print(result)

以上就是完整的代码，运行结果如下所示：

               日期        平均值
0  2022-11-07 00:00:00   15.420000
1  2022-11-08 00:00:00    0.420000
2  2022-11-09 00:00:00   -2.030000

有用请设置最佳答案

跳转到最佳答案楼层

isdkz

1. 求df2最后三列的平均值可以使用pandas的mean()函数，代码如下：

df2_mean = df2.iloc[:, -3:].mean()

2. 把df1列名转换成一列，列名是日期，再把df2的平均值合并上，可以使用pandas的melt()和merge()函数，代码如下：

df1_melt = df1.melt(var_name="日期", value_name="平均值")df_merged = pd.merge(df1_melt, pd.DataFrame(df2_mean).T, on="日期")

其中，melt()函数将df1变成长格式，方便后续合并。merge()函数将两个数据帧按照日期列进行合并。最终的合并结果保存在df_merged中。

陶远航

求df2最后三列的平均值：

df2[["AA", "BB", "CC"]].astype(float).mean()

列名转换及数据合并：

# 转换df1的列名为一列，并重命名列名为"日期"
df1 = df1.rename(columns={col: "日期" for col in df1.columns})

# 把df2的最后三列转换为浮点数类型，计算均值并赋值给新列"平均值"
df2["平均值"] = df2[["AA", "BB", "CC"]].astype(float).mean(axis=1)

# 合并两个数据帧
result = pd.merge(df1, df2[["日期", "平均值"]], how="outer", on="日期")

注意：这里使用了 outer join，如果 df1 中存在 df2 没有的日期，对应的平均值会为 NaN。

sfqxx

以下是答案：

1. 求出 df2 最后三列的平均值

df2[["AA", "BB", "CC"]].astype(float).mean(axis=1)

这里先用 astype 转换成为 float 类型，然后沿着行方向计算平均值。

2. 把 df1 列名转换成一列，列名是日期，再把 df2 的平均值合并上

# 把 df1 的列名转换成一列
date = pd.melt(df1)["value"]

# 计算 df2 的最后三列平均值
avg = df2[["AA", "BB", "CC"]].astype(float).mean(axis=1)

# 合并两个数据序列
result = pd.DataFrame({"日期": date, "平均值": avg})

# 根据时间排序
result = result.sort_values("日期")

# 重置索引
result = result.reset_index(drop=True)

print(result)

以上就是完整的代码，运行结果如下所示：

               日期        平均值
0  2022-11-07 00:00:00   15.420000
1  2022-11-08 00:00:00    0.420000
2  2022-11-09 00:00:00   -2.030000

有用请设置最佳答案

futui

# 将 df1 的列名转换为日期格式
df1.columns = pd.to_datetime(df1.columns).strftime('%Y-%m-%d')

# 将 df2 的最后三列列名赋值为 df1 的列名
df2.columns.values[-3:] = df1.columns.values

# 计算 df2 最后三列的平均值，并构造新的 DataFrame
df2_mean = pd.DataFrame({'日期': df1.columns.values, '平均': df2.iloc[:,-3:].astype(float).mean().values})

# 输出结果
print(df2_mean)