将两个 pandas 数据帧与两个条件结合起来

Question

我有两个 pandas 数据帧，我想将它们与两个条件的检查结合起来。

数据框1：

import pandas as pd 
data = [['Z085', '2020-08', 1.33], ['Z086', '2020-08', 1.83], ['Z086', '2020-09', 1.39]] 
df1 = pd.DataFrame(data, columns = ['SN', 'Date', 'Value']) 

数据框2：

data = [['Z085', '2020-08', 0.34], ['Z085', '2020-09', 0.83], ['Z086', '2020-09', 0.29]] 
df2 = pd.DataFrame(data, columns = ['SN', 'Date', 'ValueX']) 
df2 

我想合并或 append 或加入它们以获得以下 dataframe：如果“SN”和“Date”相等，则添加值（“Value”和“ValueX”）。

我不确定，如果需要新的 dataframe 或 map，df2 到 df1。

这是我试过的：

df1['ValueX'] = df1[('Date', 'SN')].map(df2_mean.set_index('Date', 'SN')['ValueX'])

使用一个条件（例如：日期）它可以正常工作，但我无法设置两个条件。

Answer 1

这只是一个merge()操作。 不要将列称为“条件”，只需说“在 SN、日期列上合并”。

但是 pandas (v1.1.4) 有一个错误（它的默认设置是在进行排序时使用相反的键顺序，即“升序”）所以你不能依赖它； 请注意下面它按“日期”然后“SN”排序，即错误的方式：

>>> dfnew_bad = df1.merge(df2, on=['SN','Date'], how='outer')

     SN     Date  Value  ValueX
0  Z085  2020-08   1.33    0.34
1  Z086  2020-08   1.83     NaN
2  Z086  2020-09   1.39    0.29
3  Z085  2020-09    NaN    0.83

所以在你的情况下通过 SN 然后 Date 获得正确的订单：

dfnew_good = df1.merge(df2, on=['SN','Date'], how='outer', sort=False).sort_values(['SN', 'Date'])
     SN     Date  Value  ValueX
0  Z085  2020-08   1.33    0.34
3  Z085  2020-09    NaN    0.83
1  Z086  2020-08   1.83     NaN
2  Z086  2020-09   1.39    0.29

请注意，有一个标志.sort_values(ascending=True)但不是pd.merge()您也可以通过执行pd.merge(..., sort=False)然后dfnew_workaround.sort_index(..., inplace=True)来解决

Answer 2

方法一： merge ：

df_new = df1.merge(df2, on=['SN','Date'],how='outer', sort=True)
print(df_new)

方法二： join ：

df_new = df1.join(df2.set_index(['SN','Date']), on=['SN','Date'],how='outer', sort=True)
print(df_new)

在这种情况下，另一种可能的方法是使用pd.concat ：

df_new = pd.concat([df1.set_index(['SN','Date']),df2.set_index(['SN','Date'])],axis=1).reset_index()

Output 在任何一种情况下：

     SN     Date  Value  ValueX
0  Z085  2020-08   1.33    0.34
3  Z085  2020-09    NaN    0.83
1  Z086  2020-08   1.83     NaN
2  Z086  2020-09   1.39    0.29