Question

我有两个DataFrame，它们都具有相同级别的相同多索引（代码和日期）。第一行包含存在数据的每一行（来自数据库提取），第二行包含相同的DataFrame，但它包含所有键（每个产品的每个月都有）。

为了更清楚一点，这是第一个数据帧（df_data）：

                               BL0   BL1   BL2   BL3  Shipments
Code             Month
ABC              2012-03-01   1000  1000  1000  1000       1000
DEF              2014-08-01   1000  1000  1000  1000       1000
                 2014-09-01   1000  1000  1000  1000       1000
GHI              2013-12-01   1000  1000  1000  1000       1000
                 2014-10-01   1000  1000  1000  1000       1000
                 2014-12-01   1000  1000  1000  1000       1000

这是第二个（df_full），其中包括2012年1月至2015年1月的所有月份：

                               BL0   BL1   BL2   BL3  Shipments
Code             Month
ABC              2012-01-01    NaN   NaN   NaN   NaN        NaN
                 2012-02-01    NaN   NaN   NaN   NaN        NaN
                 2012-03-01   1000  1000  1000  1000       1000
                 2012-04-01    NaN   NaN   NaN   NaN        NaN
                 ...
DEF              2014-07-01    NaN   NaN   NaN   NaN        NaN
                 2014-08-01   1000  1000  1000  1000       1000
                 2014-09-01   1000  1000  1000  1000       1000
                 2014-10-01    NaN   NaN   NaN   NaN        NaN
                 ...
GHI              2013-12-01   1000  1000  1000  1000       1000
                 2014-10-01   1000  1000  1000  1000       1000
                 2014-12-01   1000  1000  1000  1000       1000

现在，我有第一个，我正在尝试构建第二个。我使用MultiIndex创建了一个空的DataFrame，创建了每个填充了NaN的列，但我仍然坚持将df_full的值设置为df_data中的值。

当我这样做时

df_full.loc[ df_data.index, 'Shipments' ] = df_data['Shipments']

我收到错误消息，指出df_data的索引不在df_dull中：

KeyError: "[('ABC', '2012-03-01') ('DEF', '2014-08-01')\n ('DEF', '2014-09-01') ...,  
('XYZ', '2014-11-01')\n ('XYZ', '2014-12-01')] not in index"

让我感到困惑的是，如果我只是df_full.loc[ data.index, 'Shipments' ]，它会毫无问题地返回系列。我尝试使用元组列表而不是索引，我也尝试将切片设置为1，但无济于事。

我在这里做错了吗？

Answer 1

如果您只想构建所有可能的商品和日期组合，您可以使用一个很好的内置迭代，MultiIndex.from_product。

commodities=['ABC','DEF','GHI','JKL']
days=pd.date_range(start='1/1/2012',end='1/1/2015',freq='D')
columns = ['BL0', 'BL1','BL2', 'BL3','Shipments']
indx = pd.MultiIndex.from_product([commodities,days])
output = pd.DataFrame(index=indx,columns=columns)
output.head()


                BL0  BL1  BL2  BL3 Shipments
ABC 2012-01-01  NaN  NaN  NaN  NaN       NaN
    2012-01-02  NaN  NaN  NaN  NaN       NaN
    2012-01-03  NaN  NaN  NaN  NaN       NaN
    2012-01-04  NaN  NaN  NaN  NaN       NaN
    2012-01-05  NaN  NaN  NaN  NaN       NaN

然后，您可以根据多指数的水平适当地替换实际值。

Answer 2

经过一番挖掘后，问题变成了两个DataFrame索引的类型不同。

df_data的索引是（字符串，字符串），并且pandas没有认识到seconde是读取csv源文件的日期而我没有转换到了约会时间。
df_full索引是（string，pandas.Timestamp），第二个术语恰好被格式化为与df_data完全相同的字符串，因此我感到困惑。

当给出类似日期的字符串时，pandas可以理解并找到正确的行，但在我尝试为其分配值时似乎无法找到它。

将df_data的索引转换为（string，pandas.Timestamp）后，一切都运行良好。

Pandas - 可以读取MultiIndex列表但不能设置它们

2 个答案: