У меня есть dataframe под названием res_df:
In [54]: res_df.head()
Out[54]:
Bldg_Sq_Ft GEOID CensusPop HU_Pop Pop_By_Area
0 753.026123 240010013002022 11.0 7.0 NaN
7 95.890495 240430003022003 17.0 8.0 NaN
8 1940.862793 240430003022021 86.0 33.0 NaN
24 2254.519775 245102801012021 27.0 13.0 NaN
25 11685.613281 245101503002000 152.0 74.0 NaN
У меня есть второй кадр данных, составленный из обобщенной информации в res_df. Он группируется по столбцу GEOID, а затем суммируется с использованием агрегации, чтобы получить sum столбца Bldg_Sq_Ft и mean столбца CensusPop для каждого уникального GEOID. Давайте назовем это geoid_sum:
In [55]:geoid_sum = geoid_sum.groupby('GEOID').agg({'GEOID': 'count', 'Bldg_Sq_Ft': 'sum', 'CensusPop': 'mean'})
In [56]: geoid_sum.head()
Out[56]:
GEOID Bldg_Sq_Ft CensusPop
GEOID
100010431001011 1 1154.915527 0.0
100030144041044 1 5443.207520 26.0
100050519001066 1 1164.390503 4.0
240010001001001 15 30923.517090 41.0
240010001001007 3 6651.656677 0.0
Моя цель - найти GEOID в res_df, которые соответствуют GEOID в geoid_sum. Я хочу заполнить значение в Pop_By_Area для этой строки, используя уравнение:
Pop_By_Area = (geoid_sum['CensusPop'] * ref_df['Bldg_Sq_Ft'])/geoid_sum['Bldg_Sq_Ft']
Я создал простую функцию, которая принимает эти параметры, но я не уверен, как перебирать кадры данных и применять функцию.
def popByArea(census_pop_mean, bldg_sqft, bldg_sqft_sum):
x = float()
x = (census_pop_mean * bldg_sqft)/bldg_sqft_sum
return x
Я пытался создать серию на основе совпадений GEOID: s = res_df.GEOID.isin(geoid_sum.GEOID.values), но, похоже, это не сработало (были получены все ложные логические значения). Как найти совпадения и применить мою функцию для заполнения столбца Pop_By_Area?