Pandas基于共同键处理两DataFrame：符号相反时取最小绝对值

没问题，我来帮你实现这个需求！下面是具体的步骤和代码示例，假设你的两个DataFrame分别命名为df1和df2：

步骤1：准备示例数据（替换成你的真实数据即可） #

先构造两个测试用的DataFrame方便演示：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({
    'identifier': ['A', 'B', 'C', 'E'],
    'weight': [3, -2, 5, -7]
})

df2 = pd.DataFrame({
    'identifier': ['A', 'B', 'D', 'E'],
    'weight': [-4, 1, -6, -3]
})

步骤2：按标识符合并两个DataFrame #

我们需要把同一个identifier对应的权重放在同一行，才能后续判断符号和计算：

# 用后缀区分两个DataFrame的weight列，避免列名冲突
merged_df = df1.merge(df2, on='identifier', suffixes=('_df1', '_df2'))

步骤3：判断权重符号是否相反 #

当两个权重的乘积小于0时，说明它们一正一负，符号相反：

merged_df['is_opposite_sign'] = (merged_df['weight_df1'] * merged_df['weight_df2']) < 0

步骤4：生成目标列——存储绝对值较小的权重 #

用np.where实现条件赋值：仅当符号相反时，取两个权重绝对值的最小值，否则设为NaN（你也可以根据需求改成0或其他默认值）：

merged_df['min_abs_weight'] = np.where(
    merged_df['is_opposite_sign'],
    np.minimum(np.abs(merged_df['weight_df1']), np.abs(merged_df['weight_df2'])),
    np.nan
)

步骤5：得到最终的dfC #

如果你只需要identifier和新生成的列，可以直接提取：

dfC = merged_df[['identifier', 'min_abs_weight']]

运行结果示例 #

最终dfC的输出会是：

这里E的两个权重都是负数，符号相同所以结果为NaN；A的3和-4符号相反，取绝对值较小的3；B的-2和1符号相反，取绝对值较小的1。

额外提示 #

如果你的df1或df2中存在重复的identifier，建议先对每个DataFrame按identifier做聚合（比如求和、取均值），确保每个标识符只有一条记录后再执行合并，避免出现笛卡尔积的冗余数据。

内容的提问来源于stack exchange，提问作者JRH31