我有两个数据集:
- 数据集A表示一支球队的球员在特定年份拥有的球迷数量
- 数据集B表示一支球队在特定比赛中的获胜次数
我现在想将这两个数据框架结合起来,并为每个团队每年汇总数据。
a = pd.DataFrame({
'year': [1995, 1995, 1995, 1995, 1996, 1996, 1996, 1996],
'team': ['Panthers', 'Panthers', 'Eagles', 'Eagles', 'Panthers', 'Panthers', 'Eagles', 'Eagles'],
'name': ['Joe', 'Betty', 'James', 'Sandra', 'Tyrone', 'Betty', 'James', 'Michael'],
'fans': [100, 200, 244, 277, 800, 900, 122, 300]
})
b = pd.DataFrame({
'year': [1995, 1995, 1995, 1995, 1996, 1996, 1996, 1996],
'team': ['Panthers', 'Panthers', 'Eagles', 'Eagles', 'Panthers', 'Panthers', 'Eagles', 'Eagles'],
'wins': [4, 2, 3, 5, 6, 7, 2, 4]
})
aa = a.groupby(['year', 'team']).sum()
bb = b.groupby(['year', 'team']).sum()
aa.join(bb)
这是可行的,但列似乎有一些问题。最后的运算CCD_ 1只生成CCD_。我想这是一个未完成的groupby
操作遗留下来的。
为了让您更好地了解情况,您可以在此处使用nbviewer查看数据。
如何正确地通过这两个框架进行分组并将其连接
1)reset_index()
只能使用一次。
aa = a.groupby(['year', 'team']).sum()
bb = b.groupby(['year', 'team']).sum()
aa.join(bb).reset_index()
2)或者,不要使用as_index=False
和pd.merge
为aa
和bb
创建级别
aa = a.groupby(['year', 'team'], as_index=False).sum()
bb = b.groupby(['year', 'team'], as_index=False).sum()
pd.merge(aa, bb)
两种方法,都会给你相同的输出
year team fans wins
0 1995 Eagles 521 8
1 1995 Panthers 300 6
2 1996 Eagles 422 6
3 1996 Panthers 1700 13
这个问题的解决方案是应用reset_index()
通过操作"结束"组。
因此,以下将产生正确的结果:
aa = a.groupby(['year', 'team']).sum().reset_index()
bb = b.groupby(['year', 'team']).sum().reset_index()
pd.merge(aa, bb)