將數據幀插入到另一個數據幀中每個組的行中

Question

為了清楚起見，我創建了 MRE。

df = pd.DataFrame({
    "region": ["Canada", "Korea", "Norway", "China", "Canada", "Korea", "Norway", "China", "Canada", "Korea", "Norway", "China"],
    "type" :["A", "B", "C", "D", "A", "C", "C", "A", "B", "B", "B", "B"],
    "actual fees": [1235, 422, 333, 111, 1233, 555, 23, 3, 3,4, 1, 2],
    "total fee": [2222, 444, 67, 711, 4873, 785, 453, 7, 7,9, 11, 352]
})

df_to_insert = pd.DataFrame({
    "region":["Canada", "Korea", "Norway", "China"],
    "users" :[55, 36, 87, 250]
})

所以我的 df 看起來像：

              actual fees   total fee
region  type        
Canada    A      2             2
          B      1             1
China     A      1             1
          B      1             1
          D      1             1

和 df_to_insert 如下所示：

    region  users
0   Canada  55
1   Korea   36
2   Norway  87
3   China   250

現在我想要做的是在“類型”列中每個區域的末尾插入“用戶”和用戶值在“實際費用”列和“總費用”列下其區域總和。

所以我想要的數據框看起來像下面這樣：

              actual fees   total fee
region  type        
Canada    A      2             2
          B      1             1
        Users   55             3

China     A      1             1
          B      1             1
          D      1             1
        Users   250            3  

我希望這已經足夠清楚了。 如果有不清楚的地方，請告訴我。

提前致謝！

Answer 1

您可以先melt df_to_insert ，然后為MultiIndex進行concat和set_index ，最后是total fee 、groupby 區域並映射回mlt數據幀

mlt = df_to_insert.melt('region',var_name='type',value_name='actual fees')
mlt['total fee'] = mlt['region'].map(df.groupby('region')['total fee'].sum())

out = pd.concat((df,mlt),sort=False).set_index(['region','type']).sort_index(0)

---

print(out)
              actual fees  total fee
region type                         
Canada A             1235       2222
       A             1233       4873
       B                3          7
       users           55       7102
China  A                3          7
       B                2        352
       D              111        711
       users          250       1070
Korea  B              422        444
       B                4          9
       C              555        785
       users           36       1238
Norway B                1         11
       C              333         67
       C               23        453
       users           87        531

您可以看到熔體如何工作並有助於連接：

print(df_to_insert.melt('region',var_name='type',value_name='actual fees'))

---

   region   type  actual fees
0  Canada  users           55
1   Korea  users           36
2  Norway  users           87
3   China  users          250