使用查找函数在 Python 中聚合两个数据框

Question

（这是我之前question的延续）

我现在有两张桌子： df1（每天显示产品及其分类）：

            ABC CDE FGH
4/12/2021   S1  S1  S1
4/13/2021   S1  S1  S3
4/14/2021   S1  S2  S2
4/15/2021   S3  S2  S3

和 df2（显示表格和每天的库存数量）

            ABC CDE FGH
4/12/2021   94  19  101
4/13/2021   93  19  102
4/14/2021   94  18  103
4/15/2021   90  17  110

我正在寻找顶部构建一个 df3 表，将每个分类的数量相加，使其看起来像：

            PS1 PS2 PS3
4/12/2021   214 0   0
4/13/2021   112 0   102
4/14/2021   94  121 0
4/15/2021   0   17  200

我在这里再次执行的简单但效率极低的方法是遍历 df1 列中的每个产品，然后遍历每个日期，然后选择值并对分类表执行相同操作，然后逐行构建 df3。这个过程，如果每天运行，大约需要 30 分钟。

请问有python的方法吗？

这里的一个挑战是，df1 或 df2 中可以有更多列，我们不能在此过程中使用列标签。这是另一个困难。

Answer 1

让我们第一次合并 2 个数据框。我已将两个数据框中的日期列重命名为索引。

merged_df = df1.merge(df2, how='left',on ='index')
print(merged_df)

输出 -

	index	ABC_x	CDE_x	FGH_x	ABC_y	CDE_y	FGH_y
0	4/12/2021	S1	S1	S1	94	19	101
1	4/13/2021	S1	S1	S3	93	19	102
2	4/14/2021	S1	S2	S2	94	18	103
3	4/15/2021	S3	S2	S3	90	17	110

现在，我们有了合并的数据集，我们可以通过 apply 方法逐行进行转换。 我创建了一种转换方法来完成这项任务 -

def transform_values(x):
    # print(x['FGH_x'])
    dict1 = {'S1': 'ABC_y', 'S2':'CDE_y', 'S3': 'FGH_y'}
    if x['ABC_x'] != 'S1':
        # print(x['ABC_x'])
        x[dict1[x['ABC_x']]] = x[dict1[x['ABC_x']]] + x['ABC_y']
        x['ABC_y'] = 0
     
    if x['CDE_x'] != 'S2':
        # print(x['CDE_x'])
        x[dict1[x['CDE_x']]] = x[dict1[x['CDE_x']]] + x['CDE_y']
        x['CDE_y'] = 0
        
    if x['FGH_x'] != 'S3':
        print(x[dict1[x['FGH_x']]])
        x[dict1[x['FGH_x']]] = x[dict1[x['FGH_x']]] + x['FGH_y']
        x['FGH_y'] = 0
    
    return x
        
final_df =  merged_df.apply(lambda x : transform_values(x), axis=1)

print(final_df)

输出 -

       index ABC_x CDE_x FGH_x  ABC_y  CDE_y  FGH_y
0  4/12/2021    S1    S1    S1    214      0      0
1  4/13/2021    S1    S1    S3    112      0    102
2  4/14/2021    S1    S2    S2     94    121      0
3  4/15/2021    S3    S2    S3      0     17    200

删除无用的列以获得所需的输出