计算两个不同数据帧中的数据答案

【问题标题】：Counting data across two different dataframes计算两个不同数据帧中的数据
【发布时间】：2015-09-05 14:15:55
【问题描述】：

我有这个案例研究要解决：

我有 2 个不同的数据框，我想在 DF1 中填写“到达”列（医院数据），根据 DF1 中的日期时间计算到达 DF2 的所有 pat（在 excel 中是一个计数 if 函数）。例如，在 DF1 中，我有 datetime = 2013-01-01，我会计算所有到达 DF2（到达列）=2 的患者，并将结果存储在“ARRIVALS”（DF1）中。

DF1

    patient datetime    arrivals    departures  occupancy   dayofweek
0   pat 2013-01-01  0   0   0   1
1   pat 2013-01-02  0   0   0   2
2   pat 2013-01-03  0   0   0   3
3   pat 2013-01-04  0   0   0   4
4   pat 2013-01-05  0   0   0   5

DF2


category    Arrival     departures  occupancy   dayofweek
0   pat 2013-01-01  2013-01-02  0   
1   pat 2013-01-01  2013-01-02  2
2   pat 2013-01-03  2013-01-15  3
3   pat 2013-01-04  2013-01-20  4
4   pat 2013-01-05  2013-01-20  5

【问题讨论】：

标签： python python-3.x pandas ipython

【解决方案1】：

您可以先在 DF2 上进行 groupby，计算其中一列，然后将生成的 DataFrame 与 DF1 合并，如下所示：

df2_gr = df2.groupby('Arrival')['category'].count().reset_index()

df3 = df1.merge(df2_gr, left_on='datetime', right_on='Arrival', how='left').fillna(0)

【讨论】：

我按照你说的试过了，但没有得到好的结果（我把结果贴在下面）

【解决方案2】：

我认为您正在寻找 groupby。像这样的东西应该工作。你需要照顾伯爵的 nans。

import pandas as pd

d1 = pd.DataFrame([['A', 'B', 'C', 'D', 'E', 'F'], ['blah', 'blah', 'blah', 'blah', 'blah', 'blah']]).T
d2 = pd.DataFrame([['A', 'A', 'C', 'D', 'A', 'D'], ['blah', 'blah', 'blah', 'blah', 'blah', 'blah']]).T

unique_counts = d2.groupby(0).count()

pd.merge(d1, unique_counts, left_on=0, right_index=True, how='outer')

【讨论】：

【解决方案3】：

我已尝试应用您的答案，但没有得到好的结果，如下所示：我只有相同的值 1970 -01-01，而不是在 datetime 列中存储具有相同值的列。到达列是空的，而不是根据需要（来自 df1）的到达计数

df3 = pandas.merge(df1,df2_gr, left_on='datetime', right_on ='Datain',how='left').fillna(0)
df3

   category datetime    arrivals    departures  occupancy   dayofweek   Arrival category
0   pat 2013-01-01  0   0   0   1   1970-01-01  0
1   pat 2013-01-02  0   0   0   2   1970-01-01  0
2   pat 2013-01-03  0   0   0   3   1970-01-01  0
3   pat 2013-01-04  0   0   0   4   1970-01-01  0
4   pat 2013-01-05  0   0   0   5   1970-01-01  0
5   pat 2013-01-06  0   0   0   6   1970-01-01  0
6   pat 2013-01-07  0   0   0   0   1970-01-01  0
7   pat 2013-01-08  0   0   0   1   1970-01-01  0
8   pat 2013-01-09  0   0   0   2   1970-01-01  0

【讨论】：