Python Pandas unirsi dataframes su indice

Question

che sto cercando di unirsi alla dataframe sulla stessa colonna "Data", il codice è il seguente:

import pandas as pd 
from datetime import datetime 
df_train_csv = pd.read_csv('./train.csv',parse_dates=['Date'],index_col='Date') 

start = datetime(2010, 2, 5) 
end = datetime(2012, 10, 26) 

df_train_fly = pd.date_range(start, end, freq="W-FRI") 
df_train_fly = pd.DataFrame(pd.Series(df_train_fly), columns=['Date']) 

merged = df_train_csv.join(df_train_fly.set_index(['Date']), on = ['Date'], how = 'right', lsuffix='_x') 

Si lamenta dataframe df_train_csv non ha colonna denominata "Data". Mi piacerebbe impostare "Data" in entrambi i dataframe come indice e mi chiedo quale sia il modo migliore per unire dataframe con data come indice?

UPDATE:

vale a dire i dati di esempio

Date,Weekly_Sales 
2010-02-05,24924.5 
2010-02-12,46039.49 
2010-02-19,41595.55 
2010-02-26,19403.54 
2010-03-05,21827.9 
2010-03-12,21043.39 
2010-03-19,22136.64 
2010-03-26,26229.21 
2010-04-02,57258.43 
2010-04-09,42960.91 
2010-04-16,17596.96 
2010-04-23,16145.35 
2010-04-30,16555.11 
2010-05-07,17413.94 
2010-05-14,18926.74 
2010-05-21,14773.04 
2010-05-28,15580.43 
2010-06-04,17558.09 
2010-06-11,16637.62 
2010-06-18,16216.27 
2010-06-25,16328.72 
2010-07-02,16333.14 
2010-07-09,17688.76 
2010-07-16,17150.84 
2010-07-23,15360.45 
2010-07-30,15381.82 
2010-08-06,17508.41 
2010-08-13,15536.4 
2010-08-20,15740.13 
2010-08-27,15793.87 
2010-09-03,16241.78 
2010-09-10,18194.74 
2010-09-17,19354.23 
2010-09-24,18122.52 
2010-10-01,20094.19 
2010-10-08,23388.03 
2010-10-15,26978.34 
2010-10-22,25543.04 
2010-10-29,38640.93 
2010-11-05,34238.88 
2010-11-12,19549.39 
2010-11-19,19552.84 
2010-11-26,18820.29 
2010-12-03,22517.56 
2010-12-10,31497.65 
2010-12-17,44912.86 
2010-12-24,55931.23 
2010-12-31,19124.58 
2011-01-07,15984.24 
2011-01-14,17359.7 
2011-01-21,17341.47 
2011-01-28,18461.18 
2011-02-04,21665.76 
2011-02-11,37887.17 
2011-02-18,46845.87 
2011-02-25,19363.83 
2011-03-04,20327.61 
2011-03-11,21280.4 
2011-03-18,20334.23 
2011-03-25,20881.1 
2011-04-01,20398.09 
2011-04-08,23873.79 
2011-04-15,28762.37 
2011-04-22,50510.31 
2011-04-29,41512.39 
2011-05-06,20138.19 
2011-05-13,17235.15 
2011-05-20,15136.78 
2011-05-27,15741.6 
2011-06-03,16434.15 
2011-06-10,15883.52 
2011-06-17,14978.09 
2011-06-24,15682.81 
2011-07-01,15363.5 
2011-07-08,16148.87 
2011-07-15,15654.85 
2011-07-22,15766.6 
2011-07-29,15922.41 
2011-08-05,15295.55 
2011-08-12,14539.79 
2011-08-19,14689.24 
2011-08-26,14537.37 
2011-09-02,15277.27 
2011-09-09,17746.68 
2011-09-16,18535.48 
2011-09-23,17859.3 
2011-09-30,18337.68 
2011-10-07,20797.58 
2011-10-14,23077.55 
2011-10-21,23351.8 
2011-10-28,31579.9 
2011-11-04,39886.06 
2011-11-11,18689.54 
2011-11-18,19050.66 
2011-11-25,20911.25 
2011-12-02,25293.49 
2011-12-09,33305.92 
2011-12-16,45773.03 
2011-12-23,46788.75 
2011-12-30,23350.88 
2012-01-06,16567.69 
2012-01-13,16894.4 
2012-01-20,18365.1 
2012-01-27,18378.16 
2012-02-03,23510.49 
2012-02-10,36988.49 
2012-02-17,54060.1 
2012-02-24,20124.22 
2012-03-02,20113.03 
2012-03-09,21140.07 
2012-03-16,22366.88 
2012-03-23,22107.7 
2012-03-30,28952.86 
2012-04-06,57592.12 
2012-04-13,34684.21 
2012-04-20,16976.19 
2012-04-27,16347.6 
2012-05-04,17147.44 
2012-05-11,18164.2 
2012-05-18,18517.79 
2012-05-25,16963.55 
2012-06-01,16065.49 
2012-06-08,17666 
2012-06-15,17558.82 
2012-06-22,16633.41 
2012-06-29,15722.82 
2012-07-06,17823.37 
2012-07-13,16566.18 
2012-07-20,16348.06 
2012-07-27,15731.18 
2012-08-03,16628.31 
2012-08-10,16119.92 
2012-08-17,17330.7 
2012-08-24,16286.4 
2012-08-31,16680.24 
2012-09-07,18322.37 
2012-09-14,19616.22 
2012-09-21,19251.5 
2012-09-28,18947.81 
2012-10-05,21904.47 
2012-10-12,22764.01 
2012-10-19,24185.27 
2012-10-26,27390.81 

lo leggerò da un file CSV. Ma a volte potrebbero mancare alcune settimane. Di conseguenza, sto cercando di generare un intervallo di date in questo modo:

df_train_fly = pd.date_range(start, end, freq="W-FRI") 

Questo dataframe generato contiene tutte le settimane nel range quindi ho bisogno di unire quei due dataframe in uno.

Se controllo df_train_csv [ 'Data'] e df_train_fly [ 'Data'] dalla console ipython, entrambi hanno mostrato come DTYPE: datetime64 [NS]

Answer 1

quindi cerchiamo di sezionare questo:

df_train_csv = pd.read_csv('./train.csv',parse_dates=['Date'],index_col='Date') 

OK il primo problema qui è che la colonna indice deve essere 'Data', questo significa che non avrai più una colonna 'Data'.

start = datetime(2010, 2, 5) 
end = datetime(2012, 10, 26) 

df_train_fly = pd.date_range(start, end, freq="W-FRI") 
df_train_fly = pd.DataFrame(pd.Series(df_train_fly), columns=['Date']) 

merged = df_train_csv.join(df_train_fly.set_index(['Date']), on = ['Date'], how = 'right', lsuffix='_x') 

Così il sopra join non funzionerà come l'errore segnalato in modo per risolvere questo problema:

# remove the index_col param 
df_train_csv = pd.read_csv('./train.csv',parse_dates=['Date']) 
# don't set the index on df_train_fly 
merged = df_train_csv.join(df_train_fly, on = ['Date'], how = 'right', lsuffix='_x') 

O non impostare la 'on' param:

merged = df_train_csv.join(df_train_fly, how = 'right', lsuffix='_x') 

quanto sopra utilizzerà l'indice di entrambi i df per partecipare su

È inoltre possibile ottenere lo stesso risultato eseguendo un'unione:

merged = df_train_csv.merge(df_train_fly.set_index(['Date']), left_index=True, right_index=True, how = 'right', lsuffix='_x')