python - Pandas 使用日期和另一列合并两列

Question

您好，尝试合并两个数据框并按日期和 upc 求和访问次数。

1. 交易数据(日期、upc、销售额)20 万行 x 3 列
2. 访问次数(日期、upc、访问次数)超过 200 万行 x 3 列

我试过了

df3 = pandas.merge(df1,df2, on = ['upc','date'], how = 'left') 

结果:合并执行但不按日期或 upc 求和

我也试过

df3 = pandas.merge(df1,df2, left_on = ['date'], right_on ['upc'] how = 'left')

但这没有用。

df3 = pandas.merge(df1,df2, left_on = ['date','upc'], right_on ['date','upc'] how = 'left')

那没有用。

我也试过

df3 = pandas.merge(df1,df2, on = ['date'], how = 'left')

而且我一直返回一条错误消息。根据错误消息，我似乎需要将数据框中的日期之一转换为 pandas dtype。

我进行了更改并返回了与第一次尝试相同的结果。合并有效，但没有总结结果。我尝试将两个数据框中的两个日期都转换为 astype(str) 但这没有用。我了解了两个日期是否具有相同的日期格式 dtype 或 astype(str) 我返回一条内存错误消息。合并会失败。

我仅使用 upc 成功合并，但这会在我的数据中造成问题，我返回重复的访问编号，因为 upc 由于日期列而在事务中重复。

一天结束时，我需要的是类似于 excel 中的 sumif 函数的东西。

我需要合并两个数据集，汇总每个upc每天的总访问量，并保持交易数据不变或用sql表示left join

示例数据

df1
  Date         upc       sales
0 09/01/2016   A01234    1000
1 09/02/2016   A01234    500
2 09/10/2016   A56789    1200

df2
  Date         upc         visits
0 09/01/2016   A01234      10
1 09/02/2016   A01234      25
2 09/05/2016   A56789      26
3 09/10/2016   A56789      32


df3
  Date         upc       sales   visits
0 09/01/2016   A01234    1000    10
1 09/02/2016   A01234    500     25
2 09/10/2016   A56789    1200    32

想知道我是否需要使用 pandasql 包。感谢任何帮助

Answer 1

您执行的第一个合并语句应该让您完成一半，但不幸的是，这是一个两步过程的后半部分。听起来您想将销售数据合并到访问数据之后按日期/upc 对访问进行求和。实际上，您必须先求和(merge 命令本身不会这样做)。尝试:

df2_sum = df2.groupby(["Date", "upc"])["visits"].sum().reset_index()

然后将其左合并到销售数据中:

df3 = pd.merge(df1, df2_sum, on=["Date", "upc"], how="left")