在 python / pandas 中模拟与数据帧匹配的 excel sumifs / 多标准索引

Question

我在 python 中有两个使用 pandas 的数据框：

• df1: [233,500 x 6] 按日期分类的价格
  
• df2：[1,665,997 x 5] 按日期划分的客户使用分类帐

在 excel 中较小的数据集上，我可以简单地执行以下操作，在 df2 上创建一列，按行包含给定日期的每种产品价格。

=SUMIFS(df1[Rate],df1[Date],[@Date],df1[Jurisdiction],[@Jurisdiction],df1[Product],[@Product])

最终我想在 df2 中添加一列（或使用结果创建一个新的数据框），通过匹配每行中的某些条件（司法管辖区、产品类型）中的相同条件来提供价格价格分类帐 df1。

使用 python 和数据框关联这些数据的最合适方法是什么？某种字典和连接？

我发现的例子主要是在某些条件下处理求和：

• https://codereview.stackexchange.com/questions/42695/excels-sumifs-implemented-using-pandas-the-python-data-analysis-library

• Python Pandas counting and summing specific conditions

奖励：df1 和 df2 中的日期并不总是完全相同。需要将 df2 中的日期与最近的价格分类帐日期匹配。

编辑：我在下面包含了简化数据，以演示我如何尝试进行最近的日期匹配。日期匹配只是在 df2 中查找每个日期的有效价格的中间步骤。两个日期列上的直接合并不起作用，因为不是每天都提供价格。

df1:
Date       Price
1/11/2016  5.00
1/12/2016  5.50
1/13/2016  6.00
1/14/2016  7.00
1/16/2016  8.00
1/20/2016  9.00
1/21/2016  10.00
1/22/2016  11.00

df2:
Date       Volume
1/11/2016  100
1/15/2016  100
1/17/2016  200
1/18/2016  300
1/20/2016  200

df3: (df2 with date matching. Cost = Volume*Price)
Date       Volume  MatchedDate  Price  Cost
1/11/2016  100     1/11/2016    5.00   500
1/15/2016  100     1/14/2016    7.00   700
1/17/2016  200     1/16/2016    8.00   1600
1/18/2016  300     1/16/2016    8.00   2400
1/20/2016  200     1/20/2016    9.00   1800

编辑 2：以下第一部分中提供的公式在 excel 中有效，具有一些额外的逻辑，用于在第一个 df1 条目之前使用 df2 条目的第一个日期。 https://www.extendoffice.com/documents/excel/2601-excel-find-closest-date.html

{=MAX((df1[Date]<[@Date])*df1[Date])}

Answer 1

只需根据匹配条件合并两组，然后运行groupby sum：

merged_df = pd.merge(df1, df2, on=['date', 'Jurisdiction', 'Product'])

merged_df.groupby(['date', 'Jurisdiction', 'Product'])['Rate'].sum()

或者最近的日期为df2：

most_recent_df2 = df2.merge(df2.groupby(['Jurisdiction', 'Product'])['date'].max().reset_index(), 
                            on=['date', 'Jurisdiction', 'Product'])

merged_df = pd.merge(df1, most_recent_df2, on=['Jurisdiction', 'Product'], suffixes=['', '_'])

merged_df.groupby(['date', 'Jurisdiction', 'Product'])['Rate'].sum()