[英]Merging different dataframes together but index might not always be the same
我有 11 个不同的区域(P01、P02、...、P11),每个区域都有一些由代码标识的设备(INV 1-1、INV 1-2、...、INV 8-4)。 问题是设备数量因地区而异,例如,P01 没有代码 INV 6-4,但 P02 有。 但它们的值将始终位于index
数组上。
我有一个名为allEquipAllAreas
的 dataframe ,它为每个区域的每个 INV 保存浮点值。 这是一个例子:
P01-INV-1-1 P01-INV-1-2 P01-INV-1-3 P01-INV-1-4 P11-INV-7-2 P11-INV-7-3 P11-INV-7-4
-0.52 1.89 1.61 1.59 2.02 1.29 -0.89
我通过所有区域为 go 创建了一个 for 并获取与该区域相关的所有设备,所以我想最终得到一个最终的 dataframe ( heatMapInvdf
),如下所示,而不是“NaN”,我想分别将allEquipAllAreas
放在列:
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11
INV 1-1 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
INV 1-2 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
INV 1-3 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
... ...
INV 8-2 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
INV 8-3 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
INV 8-4 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
我试图合并它们但无法实现我想要的,所以我到目前为止所做的是:
index = ['INV 1-1','INV 1-2','INV 1-3','INV 1-4','INV 2-1','INV 2-2','INV 2-3','INV 2-4',
'INV 3-1','INV 3-2','INV 3-3','INV 3-4','INV 4-1','INV 4-2','INV 4-3','INV 4-4',
'INV 5-1','INV 5-2','INV 5-3','INV 5-4','INV 6-1','INV 6-2','INV 6-3','INV 6-4',
'INV 7-1','INV 7-2','INV 7-3','INV 7-4','INV 8-1','INV 8-2','INV 8-3','INV 8-4']
columns = ['P01','P02','P03','P04','P05','P06','P07','P08','P09','P10','P11']
heatMapInvdf = pd.DataFrame(index=index, columns=columns)
for area in areas:
equipInArea = allEquipAllAreas.loc[:,allEquipAllAreas.columns.str.contains('P'+area+'-')]
equipInArea = equipInArea.reindex(sorted(equipInArea.columns), axis=1).T
equipInArea.index = equipInArea.index.str.replace(r'P'+area+'-', '')
heatMapInvdf.merge(equipInArea,how='inner',right_index=True,left_index=True)
非常感谢任何帮助!
您在源 DF 中拥有所需的一切。 系统地重塑它
unstack()
得到你想要的结构droplevel()
清理import io
import numpy as np
df = pd.read_csv(io.StringIO("""P01-INV-1-1 P01-INV-1-2 P01-INV-1-3 P01-INV-1-4 P11-INV-7-2 P11-INV-7-3 P11-INV-7-4
-0.52 1.89 1.61 1.59 2.02 1.29 -0.89"""), sep="\s+")
heatMapInvdf = (
# transpose for primary shape that is wanted
df.T
# index by multi-index which are from columns
.set_index(pd.MultiIndex.from_arrays(np.array([c.split("-", 1) for c in df.columns]).T))
# unstack the P0n part of index
.unstack(0)
# remove transitent level from column index
.droplevel(0, axis=1)
)
P01 | P11 | |
---|---|---|
INV-1-1 | -0.52 | 楠 |
INV-1-2 | 1.89 | 楠 |
INV-1-3 | 1.61 | 楠 |
INV-1-4 | 1.59 | 楠 |
INV-7-2 | 楠 | 2.02 |
INV-7-3 | 楠 | 1.29 |
INV-7-4 | 楠 | -0.89 |
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.