Skip to main content
 首页 » 编程设计

python之如何将两个二维数据框合并为一个多索引多维 Pandas 数据框

2024年12月31日8Free-Thinker

我有两个相同大小的数据框,如下所示:

cost_type1 = pd.DataFrame([[1,2,3,4], [100,200,300,400]]).transpose() 
cost_type2 = pd.DataFrame([[1,4,9,25], [10,40,90,250]]).transpose() 

由于这些数据框都与成本相关,所以我想将它们合并到一个结构中,这样我就可以说类似 cost[i] 的内容并获得类型 i 的成本矩阵。

我尝试如下使用多索引:

timestamps =["2014-01-01", "2014-02-01"] 
categories = ["A", "B","C","D"] 
idx = pd.MultiIndex.from_product([timestamps,categories], names=["ts",  
"cat"]) 
df = pd.DataFrame(index=idx, columns=["col1", "col2"]) 

我得到一个像这样的漂亮的空数据框:(out)

               col1 col2 
ts         cat           
2014-01-01 A    NaN  NaN 
           B    NaN  NaN 
           C    NaN  NaN 
           D    NaN  NaN 
2014-02-01 A    NaN  NaN 
           B    NaN  NaN 
           C    NaN  NaN 
           D    NaN  NaN 

但是,我无法用已有的两个“较小”数据框填充“大”数据框。我试过这样的事情,但我没有成功:

df.loc["2014-01-01",:] = newdf1 
df.loc["2014-02-01",:] = newdf2 

有大佬知道怎么解决吗?谢谢!

请您参考如下方法:

使用concat为每个 DataFrame 创建新索引,因此不需要空 DataFrame:

timestamps = ["2014-01-01", "2014-02-01"] 
categories = ["A", "B","C","D"] 
idx = pd.MultiIndex.from_product([timestamps,categories], names=["ts", "cat"]) 
 
df = pd.concat([cost_type1.set_index([categories]),  
                cost_type2.set_index([categories])], keys=timestamps) 
df.columns=["col1", "col2"] 
df.index.names=['ts','cat'] 

如果输入是 DataFrames 列表 使用列表理解:

dfs = [cost_type1, cost_type2] 
df = pd.concat([x.set_index([categories]) for x in dfs], keys=timestamps) 
df.columns=["col1", "col2"] 
df.index.names=['ts','cat'] 
print (df) 
                col1  col2 
ts         cat             
2014-01-01 A       1   100 
           B       2   200 
           C       3   300 
           D       4   400 
2014-02-01 A       1    10 
           B       4    40 
           C       9    90 
           D      25   250