如何在单级数据框中的值上加入多级数据框

Posted 2023-03-12

【中文标题】如何在单级数据框中的值上加入多级数据框

【英文标题】：How to join Multi-level dataframe on values in single-level dataframe

【发布时间】：2018-05-02 08:42:06

【问题描述】：

到目前为止，我所拥有的是一个包含以下列的普通事务数据框：

store | item | year | month | day | sales

“年份”可以是2015、2016、2017。

我创建了一个摘要数据框：

store_item_years = df.groupby(
['store','item','year'])['sales'].agg(
[np.sum, np.mean, np.std, np.median, np.min, np.max]).unstack(
fill_value=0)

最后一个结果是具有 2 个级别的多索引，如下所示：

               sum                  mean
        year | 2015 | 2016 | 2017 | 2015 | 2016 | 2017 | ... 
store | item   sum1    ...   ...    mean1  mean2  ...  | ...    

现在我想将汇总表合并回事务表：

store | item | year | month | day | sales | + | sum+'by'+year | mean+'by'+year
               2015                              sum1              mean1
               2016                              sum2              mean2
               2017                              ...                ...

我正在尝试与以下内容合并：

df = pd.merge(df, store_item_years, 
             left_on=['store', 'item', 'year'], 
             right_on=['store', 'item', 'year'],
             how='left')

导致以下错误：

KeyError: 'year'

有什么想法吗？我只是在 groupby 周围。我还没有研究数据透视表。

请记住，问题已简化。 store_item 组合的数量是 200+K，其他 groupbys 有 300+ 列。但始终是相同的原则。

非常感谢。

【参考方案1】：

我认为您需要先删除unstack，然后使用join 进行左连接：

store_item_years = df.groupby(
['store','item','year'])['sales'].agg(
[np.sum, np.mean, np.std, np.median, np.min, np.max])

df = df.join(store_item_years, on=['store','item','year'])

【讨论】：

谢谢！是的，我也注意到了。我会接受你的回答，因为你打败了我:)

【参考方案2】：

找到了罪魁祸首。删除了 .unstack()。

store_item_years = df.groupby(
   ['store','item','year'])['sales'].agg(
   [np.sum, np.mean, np.std, np.median, np.min, np.max])

以下内容保持上下文：

store_item_years.columns = store_item_years.columns+'_by_year'

然后像这样合并：

pd.merge(df, store_item_years.reset_index(), 
         left_on=['store', 'item', 'year'], 
         right_on=['store', 'item', 'year'],
         how='left')