Pandas：使用列在两个 DF 上左合并，但只取另一列的最后一个（或平均值）答案

【问题标题】：Pandas: left merge on two DF using columns, but take only the last (or mean) of another columnPandas：使用列在两个 DF 上左合并，但只取另一列的最后一个（或平均值）
【发布时间】：2020-12-14 03:48:05
【问题描述】：

我有如下两个 DF：

| shopID | itemID |
|--------|--------|
|      2 |     30 |
|      2 |     31 |
|      2 |     32 |
|      2 |     33 |
|      2 |     38 |

| date | shopID | itemID | price  | cnt |
|------|--------|--------|--------|-----|
|  0.0 |    2.0 |   33.0 |  499.0 | 1.0 |
|  0.0 |    2.0 |  482.0 | 3300.0 | 1.0 |
|  0.0 |    2.0 |  491.0 |  600.0 | 1.0 |
|  0.0 |    2.0 |  839.0 | 3300.0 | 1.0 |
|  0.0 |    2.0 | 1007.0 |  449.0 | 3.0 |
...

第二个是时间序列 DF，其中date 是月份（为简单起见，从 0 开始，到 33 结束）。 shopID 和 itemID 的组合不能保证出现在两个 DF 中。我想在shopID 和itemID 上将DF1 与DF2 合并。我做到了：

pd.merge(df1, df2, how="left", on=["shopID", "itemID"])

像往常一样，它给了我以下 DF：


| shopID | itemID | date | price  | cnt |
|--------|--------|------|--------|-----|
|      2 |     30 |  2.0 | 359.00 | 1.0 |
|      2 |     30 |  5.0 | 399.00 | 1.0 |
|      2 |     30 | 15.0 | 169.00 | 1.0 |
|      2 |     30 | 16.0 | 169.00 | 1.0 |
|      2 |     31 |  1.0 | 699.00 | 4.0 |
|      2 |     31 |  2.0 | 698.50 | 1.0 |
|      2 |     31 |  3.0 | 699.00 | 1.0 |
|      2 |     31 | 16.0 | 415.92 | 1.0 |
|      2 |     31 | 33.0 | 399.00 | 1.0 |
|      2 |     32 | 12.0 | 119.00 | 1.0 |
...

我的问题是：我想合并它们并拥有或最新价格（每个组合 shopID-itemID 中的 date 最大）。我该怎么做？

编辑：预期输出（仅上个月）

| shopID | itemID | date | prince | cnt |
|--------|--------|------|--------|-----|
|      2 |     30 | 16.0 |  169.0 | 1.0 |
|      2 |     31 | 33.0 | 399.00 | 1.0 |
|      2 |     32 | 31.0 | 149.00 | 1.0 |
...

【问题讨论】：

请发布您的预期输出

标签： python pandas dataframe

【解决方案1】：

如果没有更多信息很难回答，这只是每个 itemID 的简单最大日期吗？如果是这样，可以像这样使用 drop_duplicates：

df = pd.DataFrame({'shopID': [2, 2, 2, 2, 2, 2, 2, 2, 2, 2],
 'itemID': [30, 30, 30, 30, 31, 31, 31, 31, 31, 32],
 'date': [2.0, 5.0, 15.0, 16.0, 1.0, 2.0, 3.0, 16.0, 33.0, 12.0],
 'price': [359.0,
  399.0,
  169.0,
  169.0,
  699.0,
  698.5,
  699.0,
  415.92,
  399.0,
  119.0],
 'cnt': [1.0, 1.0, 1.0, 1.0, 4.0, 1.0, 1.0, 1.0, 1.0, 1.0]})

df.sort_values(by=['itemID', 'date']).drop_duplicates(subset=['itemID'], keep='last')

【讨论】：