主页 / user-13396497

RKIDEV's questions

Martin Hope
RKIDEV
Asked: 2025-04-29 12:26:20 +0800 CST
  • 5

我正在尝试使用 Intersection() 合并三个数据帧。如何在运行 Intersection() 之前检查所有数据帧是否存在/已初始化，而无需使用多个 if-else 检查块？如果任何数据帧未赋值，则在执行 Intersection() 时不要使用它。有时我会收到错误 - UnboundLocalError: 赋值前引用了局部变量“df_2”，因为 file2 不存在。

或者还有其他简单的方法可以实现以下目标吗？

以下是我的方法：

if os.path.exists(file1):
        df_1 = pd.read_csv(file1, header=None, names=header_1, sep=',', index_col=None)
if os.path.exists(file2):
        df_2 = pd.read_csv(file2, header=None, names=header_2, sep=',', index_col=None)
if os.path.exists(file3):
        df_3 = pd.read_csv(file3, header=None, names=header_3, sep=',', index_col=None)

common_columns = df_1.columns.intersection(df_2.columns).intersection(df_3.columns)
filtered_1 = df_1[common_columns]
filtered_2 = df_2[common_columns]
filtered_3 = df_3[common_columns]
concatenated_df = pd.concat([filtered_1, filtered_2, filtered_3], ignore_index=True)
python
Martin Hope
RKIDEV
Asked: 2025-01-08 15:11:11 +0800 CST
  • 6

我正在尝试迭代多列行并将第 n 行乘以 n+1 行，然后添加列。

我尝试了下面的代码并且运行良好。

还有其他简单的方法可以同时实现减法和乘法部分吗？

import pandas as pd

df = pd.DataFrame({'C': ["Spark","PySpark","Python","pandas","Java"],
                    'F' : [2,4,3,5,4],
                    'D':[3,4,6,5,5]})

df1 = pd.DataFrame({'C': ["Spark","PySpark","Python","pandas","Java"],
                    'F': [1,2,1,2,1],
                    'D':[1,2,2,2,1]})

df = pd.merge(df, df1, on="C")

df['F_x-F_y'] = df['F_x'] - df['F_y']
df['D_x-D_y'] = df['D_x'] - df['D_y']

for index, row in df.iterrows():
    df['F_mul'] = df['F_x-F_y'].mul(df['F_x-F_y'].shift())
    df['D_mul'] = df['D_x-D_y'].mul(df['D_x-D_y'].shift())

df['F+D'] = df['F_mul'] + df['D_mul']

输出 -

         C  F_x  D_x  F_y  D_y  F_x-F_y  D_x-D_y  F_mul  D_mul   F+D
0    Spark    2    3    1    1        1        2    NaN    NaN   NaN
1  PySpark    4    4    2    2        2        2    2.0    4.0   6.0
2   Python    3    6    1    2        2        4    4.0    8.0  12.0
3   pandas    5    5    2    2        3        3    6.0   12.0  18.0
4     Java    4    5    1    1        3        4    9.0   12.0  21.0
python