與MultiIndex DataFrames一起創建空字段[pandas]

Question

我正在嘗試在兩個字段（“ date_key”和“ user_uuid”）上以大熊貓的形式聯接兩個DataFrame，但是當我這樣做時，盡管在搜索表中查找匹配項時存在重疊，但我只會得到一個空集。

DataFrame one（icloset）看起來像：

In [167]: icloset.head()
Out[167]: 
                                           count     ASL75
date_key user_uuid                                            
20130917 000a26bf-e7ff-3124-9b00-b227ee155e7f     11   9.03510
         0017b444-83f7-3adb-9727-926de4041731      3  45.05510
         0022c69b-f1f5-301e-812d-89725e17c9dd     19  31.71980
         00453fcd-93bd-373e-9248-f821ce8279f2     10  17.68785
         004a050d-f855-3c9c-bfe0-5c504df965bc      8  45.20115

數據框二（definedRID）如下所示：

In [170]: definedRIDs.head()
Out[170]: 
     rid                             user_uuid rid_slots last48status bad_RID  \
0  48830  2eda12da-d613-3e1e-95de-de3c75a5f9ef         1  Fulfilling    False   
1  51025  a466303a-d66d-3db8-b640-c4d57d134404         1  Fulfilling    False   
2  51457  c41d87d3-8abc-328d-ae00-c63d7cf81ef2         1   Fulfilled    False   
3  48626  97ff5c81-e5df-30ac-9b7a-bda73fbf499f         1   Fulfilled    False   
4  51450  0ac72f09-0fb7-35ae-b8a2-ee6d131100b0         1   Fulfilled    False   

   date_key  
0  20130924  
1  20130927  
2  20130927  
3  20130923  
4  20130927 

我確保去除了defineRID的索引，以使其看起來像文檔中的該示例 。

由於某些原因，當我嘗試在文檔中復制示例時，合並字段（count和ASL75）中的結果為空：

In [171]: definedRIDs.join(icloset,on=['date_key','user_uuid'])
Out[171]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 7623 entries, 0 to 7622
Data columns (total 8 columns):
rid             7623  non-null values
user_uuid       7623  non-null values
rid_slots       7623  non-null values
last48status    7623  non-null values
bad_RID         7623  non-null values
date_key        7623  non-null values
count           0  non-null values
ASL75           0  non-null values
dtypes: bool(1), float64(2), object(5)

但是，當我將數據幀導出到csv文件並手動搜索它們時，在兩個匹配的文件中都有user_uuid和date_key組合。 關於我為什么在聯接上存在這種不匹配的任何想法？

謝謝

Answer 1

在icloset DataFrame上重置索引。 當您指定on參數時，它會嘗試匹配列，但icloset框架中沒有date_key或user_uuid列（因為它們在索引中），因此找不到匹配項。

definedRIDs.join(icloset.reset_index(),
                 on=['date_key','user_uuid'])

如果使用on參數，則傳入的值應為列名。

Answer 2

看起來我只需要確保鍵上的類型都是dtype = object。

實際上，正確的解決方案是將沒有索引（左側）的框架連接到右側帶有多重索引的框架：

closet['date_key']=closet['date_key'].astype(str)
definedRIDS['date_key'] = definedRIDS['date_key'].astype(str)

icloset = closet.set_index(['date_key','user_uuid'])

RIDdata = definedRIDs.join(icloset,on=['date_key','user_uuid'],how='inner')

希望這可以幫助其他人以后不會犯此錯誤，並澄清索引的加入。