合并兩個多指標資料框架

我有兩個資料框架：

我有兩個資料框架。

df1 = pd.DataFrame.from_dict({('category', '): {0: 'A'。
  1: 'B'。
  2: 'C'。
  3: 'D'。
  4: 'E'。
  5: 'F'。
  6: 'G'}。
 (pd.Timestamp('2021-06-28 00:00:00'),
  'metric_1'）。) {0: 4120.54999999, 1: 11226.0166666665, 2: 25049.4433333333, 3: 18261.0833333332, 4: 2553.12083333334, 5: 2843.01, 6: 73203.51333333334},
 (pd.Timestamp('2021-06-28 00:00:00'/span>), 'metric_2')。{0: 9907.79,
  1: 7614.650000000001,
  2: 13775.259999999998,
  3: 13158.250000000004,
  4: 1457.85,
  5: 1089.5600000000002,
  6: 38864.9}。
 (pd.Timestamp('2021-07-05 00:00:00'),
  'metric_1'）。) {0: 5817.3199999998, 1: 10799.45, 2: 23521.51, 3: 22062.3508333334, 4: 1249.59749999999, 5: 3229.77, 6: 52796.06083333332},
 (pd.Timestamp('2021-07-05 00:00:00'/span>), 'metric_2'): {0: 6321.21,
  1: 5606.01,
  2: 10239.689999999999,
  3: 17476.600000000002,
  4: 943.7199999999999,
  5: 1410.33,
  6: 29645.45}}.set_index('category')

df2 = pd.DataFrame.from_dict({'category'/span>: {0: 'A',
  1: 'B'。
  2: 'C'。
  3: 'D'。
  4: 'E'。
  5: 'F'。
  6: 'G'}。
 1: {0: 36234.035577957984,
  1: 69078.07089184562,
  2: 128879.5397517309,
  3: 178376.63536908248,
  4: 9293.956915067887,
  5: 8184.780211399392,
  6: 177480.74540313095},
 2: {0: 37887.581678419825,
  1: 72243.67956241772,
  2: 134803.02342121338,
  3: 186603.8963173654,
  4: 9716.385738295368,
  5: 8555.606693927,
  6: 185658.87577993725}}.set_index('category')

首先我把df2的列名改為與df

date_mappings = {
1 : '2021-06-28'/span>,
2 : '2021-07-05'}。

df2 = df2.rename(columns=date_mappings)

然后我嘗試合并它

但是我得到了一個錯誤：

ValueError。無法合并一個沒有名字的系列

我的錯誤是什么呢？

我的目標是在每周的df2到df1中添加列，這樣df1就會有3列而不是2列。

在使用

c = [df2.columns.map(date_mappings.get), df2.columns]
df1.join(df2.set_axis(c, axis=1)).sort_index( axis=1)

我得到的值被附加到資料框架的末尾，而不是被附加到具有相同周數命名的相同列：

也許這可能是一個問題。

也許這可能是一個問題，df2持有從2021-06-28到2022-06-27的日期，而df1持有從2020到今天的日期。

不需要在df的末尾添加。

uj5u.com熱心網友回復：

想法是在兩個DataFrame中創建MultiIndex:

date_mappings = {
1 : '2021-06-28'/span>,
2 : '2021-07-05'}。

#create MultiIndex in df2 with datetimes in first level 
df2.columns = pd.MultiIndex.from_product([pd.to_datetime(df2.columns.map(date_mappings) )。
                                          ['metric_3']])

#removed unused levels, here category, so possible convert first leve to datetimes.
df1.columns = df1.columns.remove_unused_levels()
df1.columns = df1.columns.set_levels(pd.to_datetime(df1.columns.level[0], level=0)

#join together and sorting MultiIndex 
df = df1.join(df2).sort_index(axis=1)

print (df)
            2021-06-28 202107-05            
              公制_1 公制_2 公制_3 公制_1 公制_2   
類別                                                                  
A 4120.550000 9907.79 36234.035578 5817.320000 6321.21   
B 11226.016667 7614.65 69078.070892 10799.450000 5606.01[/span   
C 25049.443333 13775.26 128879.539752[/span> 23521.510000 10239.69[/span   
D 18261.083333 13158.25 178376.635369 22062.350833 17476.602553.120833 1457.85 9293.956915 1249.597500 943.72   
F 2843.010000 1089.56 8184.780211 3229.770000 1410.33   
G 73203.513333 38864.90 177480.745403 52796.060833 29645.45[/span   

                         
               公制_3  
類別                 
A37887.581678  
B類72243.679562  
C134803.023421  
D 186603.896317[/span  
E 9716.385738[/span  
F 8555.606694[/span  
G185658.875780  

如果需要洗掉更大的資料時間，如最大的df1資料時間，請使用：

#change mapping for test
date_mappings = {
1 : '2021-06-28'/span>,
2 : '2022-07-05'}.

df2.columns = pd.MultiIndex.from_product([pd.to_datetime(df2.columns.map(date_mappings))。
                                          ['metric_3']])

df1.columns = df1.columns.remove_unused_levels()
df1.columns = df1.columns.set_levels(pd.to_datetime(df1.columns.level[0]), level=0)


df2 = df2.loc[:, df2.columns.get_level_values(0) <= df1.columns.get_level_values(0).max() ]
print (df2)
             2021-06-28
               公制_3
類別               
A 36234.035578[/span
B 69078.070892[/span
C 128879.539752[/span
D 178376.635369[/span
E 9293.956915[/span
F 8184.780211[/span
G177480.745403

#join together and sorting MultiIndex
df = df1.join(df2).sort_index(axis=1)

print (df)
            2021-06-28 202107-05          
              公制_1 公制_2 公制_3 公制_1 公制_2
類別                                                               
A 4120.550000 9907.79 36234.035578 5817.320000 6321.21
B 11226.016667 7614.65 69078.070892 10799.450000 5606.01[/span
C 25049.443333 13775.26 128879.539752[/span> 23521.510000 10239.69[/span
D 18261.083333 13158.25 178376.635369 22062.350833 17476.602553.120833 1457.85 9293.956915 1249.597500 943.72
F 2843.010000 1089.56 8184.780211 3229.770000 1410.33
G 73203.513333 38864.90 177480.745403 52796.060833 29645.45

uj5u.com熱心網友回復：

使用pd.DataFrame.reindex pd.DataFrame.join。 reindex有一個方便的級別引數，允許你對不存在的索引級別進行擴展。

df1.join(df2.reindex(df1.index, level=0)

uj5u.com熱心網友回復：

我不確定這是否是你想要的，但你可能需要to_frame：

f = lambda x: pd.to_datetime(x)
df = (df2.merge(df1.unstack().to_frame(), left_index=True, right_index=True).sort_index(level=0)
print(df)

標籤：

上一篇：在用潘達斯應用滾動時如何忽略NaN

下一篇：即使已經設定了映射，SpringBoot仍然回傳錯誤404