pandas：使用与另一个df中的索引和列匹配的值填充df列

Peyo 发表于 Dev

佩约

我面临的一个问题是我无能为力。

我也很难解释我要做的事情，希望有一个小例子对您有所帮助

我有df1这样的：

Id   product_1   product_2  
Date
1    0.1855672   0.8855672
2    0.1356667   0.0356667 
3    1.1336686   1.7336686  
4    0.9566671   0.6566671

我有df2这样的：

                            product_1    Month
Date                                          
2018-03-30                         11.0      3
2018-04-30                         18.0      4
2019-01-29                         14.0      1
2019-02-28                         22.0      2

而我想要实现的是df2：

                            product_1    Month   seasonal_index  
Date                                          
2018-03-30                         11.0       3        1.1336686 
2018-04-30                         18.0       4        0.9566671
2019-01-29                         14.0       1        0.1855672
2019-02-28                         22.0       2        0.1356667

因此，我尝试将产品名称df2与其中的相应列进行匹配d1，然后获取与月数匹配的每个索引值的值，df2我尝试这样做：

for i in df1:
    df2['seasonal_index'] = df1.loc[df1.iloc[:,i] == df2['Month']]

但没有成功。希望有人可以对如何解除局势有所了解

在这里您是我的朋友，这将产生您指定的输出。

import pandas as pd

# replicate df1
data1 = [[0.1855672, 0.8855672],
         [0.1356667, 0.0356667],
         [1.1336686, 1.7336686],
         [0.9566671, 0.6566671]]
index1 = [1, 2, 3, 4]
df = pd.DataFrame(data=data1,
                  index= index1,
                  columns=['product_1', 'product_2'])
df.columns.name = 'Id'
df.index.name = 'Date'

# replicate df2
data2 = [[11.0, 3],
         [18.0, 4],
         [14.0, 1],
         [22.0, 2]]
index2 = [pd.Timestamp('2018-03-30'),
          pd.Timestamp('2018-04-30'),
          pd.Timestamp('2019-01-29'),
          pd.Timestamp('2019-02-28')]
df2 = pd.DataFrame(data=data2, index=index2,
                   columns=['product_1', 'Month'])
df2.index.name = 'Date'

# Merge your data
df3 = pd.merge(left=df2, right=df[['product_1']],
               left_on='Month',
               right_index=True,
               how='outer',
               suffixes=('', '_df2'))
df3 = df3.rename(columns={'product_1_df2': 'seasonal_index'})
print(df3)

如果您有兴趣了解为什么这样做，请看一下解释pandas.merge函数的链接。特别注意，对于您的数据框，df2的键是其列之一（因此我们在pd.merge中使用left_on参数），而df的键是其索引（因此我们在pd.merge中使用right_index参数）。

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.merge.html

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。