pandas 与 MultiIndex 合并，当只有一级索引用作键时

Posted 2023-03-12

【中文标题】pandas 与 MultiIndex 合并，当只有一级索引用作键时

【英文标题】：pandas merge with MultiIndex, when only one level of index is to be used as key

【发布时间】：2015-01-30 19:27:23

【问题描述】：

我有一个名为 df1 的数据框，它具有 2 级 MultiIndex（级别：'_Date' 和 _'ItemId'）。 '_ItemId' 的每个值都有多个实例，如下所示：

                              _SomeOtherLabel
 _Date            _ItemId     
 2014-10-05       6588921     AA
                  6592520     AB 
                  6836143     BA
 2014-10-11       6588921     CA
                  6592520     CB
                  6836143     DA 

我有一个名为 df2 的第二个数据框，其中“_ItemId”用作键（不是索引）。在这个df中，_ItemId的每个值只出现一次：

                  _ItemId       _Cat
  0               6588921       6_1
  1               6592520       6_1
  2               6836143       7_1

我想从 df2 恢复“_Cat”列中的值并将它们合并到 df1 中以获得“_ItemId”的适当值。这几乎是（我认为？）一个标准的多对一合并，除了左侧 df 的适当键是 MultiIndex 级别之一。我试过这个：

df1['_cat']=pd.merge(df1,df2,left_index=True, right_on='ItemId')  

但我得到了错误

   "ValueError: len(right_on) must equal the number of levels in the index of "left"

我认为这是有道理的，因为我的（左）索引实际上是由两个键组成的。如何选择我需要的一个索引级别？还是有更好的合并方法？

谢谢

【参考方案1】：

我可以想到两种方法。

使用set_index() 和join()：

>>> df1.join(df2.set_index('_ItemId'))
                   _SomeOtherLabel _Cat
_Date      _ItemId                     
2014-10-05 6588921              AA  6_1
           6592520              AB  6_1
           6836143              BA  7_1
2014-10-11 6588921              CA  6_1
           6592520              CB  6_1
           6836143              DA  7_1

或者使用reset_index(),merge()然后设置新的多索引

我认为第一种方法应该更快，但不确定。