Voglio unire due dataframes su colonne specifiche (key1, key2) e riassumere i valori per un'altra colonna (valore).unione di 2 frame di dati in Panda: join su alcune colonne, somma di altri
>>> df1 = pd.DataFrame({'key1': range(4), 'key2': range(4), 'value': range(4)})
key1 key2 value
0 0 0 0
1 1 1 1
2 2 2 2
3 3 3 3
>>> df2 = pd.DataFrame({'key1': range(2, 6), 'key2': range(2, 6), 'noise': range(2, 6), 'value': range(10, 14)})
key1 key2 noise value
0 2 2 2 10
1 3 3 3 11
2 4 4 4 12
3 5 5 5 13
voglio che questo risultato:
key1 key2 value
0 0 0 0
1 1 1 1
2 2 2 12
3 3 3 14
4 4 4 12
5 5 5 13
In termini di SQL, voglio:
SELECT df1.key1, df1.key2, df1.value + df2.value AS value
FROM df1 OUTER JOIN df2 ON key1, key2
Ho provato due approcci:
approccio 1
concatenated = pd.concat([df1, df2])
grouped = concatenated.groupby(['key1', 'key2'], as_index=False)
summed = grouped.agg(np.sum)
result = summed[['key1', 'key2', 'value']]
approccio 2
joined = pd.merge(df1, df2, how='outer', on=['key1', 'key2'], suffixes=['_1', '_2'])
joined = joined.fillna(0.0)
joined['value'] = joined['value_1'] + joined['value_2']
result = joined[['key1', 'key2', 'value']]
Entrambi gli approcci danno il risultato che voglio, ma mi chiedo se c'è un modo più semplice.
Sembra * come * dovrebbe essere un modo più conciso ... come un'aggregazione di unione. –
Stavo cercando una funzione magica che faccia tutto in modo ottimizzato. – Laurie
Ho scelto l'approccio 2 e incatenato gli op il più possibile perché è più veloce in questo modo. – Laurie