Skip to main content
 首页 » 编程设计

python之合并数据框和重复值

2024年11月24日9davidwang456

我很难想出一个简单的合并逻辑。

 TimeSeries = A.merge(B, on = ['YEAR','MONTH'], how= 'left') 

我有以下数据框。 2001-2018 年连续月/年列(12 个月 X 17 年)

答:

|---------------------|------------------| 
|       Month         |         Year     | 
|---------------------|------------------| 
|          12         |         2001     | 
|---------------------|------------------| 
|          01         |         2002     | 
|---------------------|------------------| 
|       ......        |        .....     | 
|---------------------|------------------| 
|          12         |         2018     | 
|---------------------|------------------| 

另一个数据框有唯一的ID、月、年和金额

乙:

 |-----------------|----------------|--------------|--------| 
 |       Month     |       Year     |       ID     | Amount | 
 |-----------------|----------------|--------------|--------| 
 |          05     |       2013     |       2      | 500K   | 
 |-----------------|----------------|--------------|--------| 
 |          01     |       2002     |       1      | 200K   | 
 |-----------------|----------------|--------------|--------| 
 |          12     |       2016     |       3      | 800K   | 
 |-----------------|----------------|--------------|--------| 

我如何能够附加/合并两个数据框,以便数据框 B 中的每个 ID 都具有数据框 A 中的整个时间序列。它应该合并到正确的月份和年份列。

ID 的期望输出。每个 ID 应该有 ~204 行,如果月份和年份相同,则显示正确的金额

 |---------------------|------------------|--------------|-----------| 
 |       Month         |         Year     |       ID     |   Amount  | 
 |---------------------|------------------|--------------|-----------| 
 |          01         |         2001     |       1      |    NaN    | 
 |---------------------|------------------|--------------|-----------| 
 |          01         |         2002     |       1      |    200K   | 
 |---------------------|------------------|--------------|-----------| 
 |          12         |         2018     |       1      |    NaN    | 
 |---------------------|------------------|--------------|-----------| 

请您参考如下方法:

您需要 .reindex,这样每行的 ID 都会被填充。不需要 DataFrameA:

import pandas as pd 
 
names = ['Month', 'Year', 'ID'] 
idx = pd.MultiIndex.from_product([range(1, 13, 1), range(2001, 2019, 1), B.ID.unique()],  
                                 names=names) 
 
B = B.set_index(names).reindex(idx).reset_index() 

输出:

print(B.head()) 
 
#   Month  Year  ID Amount 
#0      1  2001   2    NaN 
#1      1  2001   1    NaN 
#2      1  2001   3    NaN 
#3      1  2002   2    NaN 
#4      1  2002   1   200K 
 
B.groupby('ID').size() 
#ID 
#1    216 
#2    216 
#3    216 
#dtype: int64 

Performant Cartesian Product如果产品相当慢,有办法优化产品