当我加入两个没有 NaN 的 DataFrame（多级索引）时，为什么会得到 NaN？

Question

我有两个具有多级索引 r1 和 r2 的数据帧，这样

a1=['iso3_o', 'iso3_d', 'year', 'ExportFoodAndLiveAnimals']
a=np.array([['CAN', 'USA', '1995.0', '5918210.506'],
       ['CAN', 'USA', '1996.0', '6988508.727'],
       ['CAN', 'USA', '1997.0', '7792977.258'],
       ['CAN', 'USA', '1998.0', '8177456.631'],
       ['CAN', 'USA', '1999.0', '8773990.755'],
       ['CAN', 'USA', '2000.0', '9650783.071'],
       ['CAN', 'USA', '2001.0', '10800432.88'],
       ['CAN', 'USA', '2002.0', '11348837.38'],
       ['CAN', 'USA', '2003.0', '11313334.46'],
       ['CAN', 'USA', '2004.0', '12337588.35'],
       ['CAN', 'USA', '2005.0', '13227226.96'],
       ['CAN', 'USA', '2006.0', '14236699.34'],
       ['CAN', 'USA', '2007.0', '15638919.3'],
       ['CAN', 'USA', '2008.0', '17449901.08'],
       ['CAN', 'USA', '2009.0', '14813089.89'],
       ['CAN', 'USA', '2010.0', '16399733.82']])
r1 = pd.DataFrame(a, columns=a1)
r1

而r2被定义为

a1=['iso3_o', 'iso3_d', 'year', 'contig']
a=np.array([['CAN', 'USA', 1995, 1],
       ['CAN', 'USA', 1996, 1],
       ['CAN', 'USA', 1997, 1],
       ['CAN', 'USA', 1998, 1],
       ['CAN', 'USA', 1999, 1],
       ['CAN', 'USA', 2000, 1],
       ['CAN', 'USA', 2001, 1],
       ['CAN', 'USA', 2002, 1],
       ['CAN', 'USA', 2003, 1],
       ['CAN', 'USA', 2004, 1],
       ['CAN', 'USA', 2005, 1],
       ['CAN', 'USA', 2006, 1],
       ['CAN', 'USA', 2007, 1],
       ['CAN', 'USA', 2008, 1],
       ['CAN', 'USA', 2009, 1],
       ['CAN', 'USA', 2010, 1]])
r2 = pd.DataFrame(a, columns=a1)
r2

然后我决定加入他们的多索引级别

因此，我所做的就是将列重置为索引

 multi_r2 = r2.set_index(['iso3_o', 'iso3_d','year'])
    multi_r1 = r1.set_index(['iso3_o', 'iso3_d','year'])
    df = multi_r2.join(multi_r1)

当我加入 'iso3_o'、'iso3_d'、'year' 时，DataFrame df 给了我一个 NAN

为什么会这样？

提前谢谢你

Answer 1

r1 和 r2 中的 year 列都是 str，但不一样，将其更改为 int 即可

r1['year'] = [int(float(i)) for i in r1['year']]
r2['year'] = [int(i) for i in r2['year']]
multi_r1 = r1.set_index(['iso3_o', 'iso3_d','year'])
multi_r2 = r2.set_index(['iso3_o', 'iso3_d','year'])
df = multi_r2.join(multi_r1)

Answer 2

我遇到的问题看起来很简单，但我想我想和你分享一下。基本上就像 EdChum 指出的那样，我必须更改年份的数据类型，所以我已经完成了一系列步骤。也许存在一种更简单的方法，但如果你愿意分享，我不知道。

提取值并将它们保存在一个 numpy 数组中

import scipy
a=r1.values
C = scipy.delete(a, 2, 1)

为年份变量创建一个数字并将其与新数组连接

n=np.array(range(1995,2011)).reshape(1,16)
C1=np.concatenate((C, n.T), axis=1)
C1

提取前一个数组 r1 的列并重新采样该数组，使年份位于最后

cols=list(r1)
cols
cols.insert(len(cols)-1, cols.pop(cols.index('year')))
cols

将 DataFrame r1 重新创建为

r1=pd.DataFrame(C1,columns= cols)
r1

然后做我之前做的同样的步骤

multi_r2 = r2.set_index(['iso3_o', 'iso3_d','year'])
multi_r1 = r1.set_index(['iso3_o', 'iso3_d','year'])
df = multi_r2.join(multi_r1)

这对我来说很好用