Question

Hello尝试合并两个数据帧并按日期和upc总和访问次数。

交易数据（日期，upc，销售）200k行x 3列
访问次数（日期，upc，访问次数）200万+行x 3列

我试过这个

df3 = pandas.merge(df1,df2, on = [upc,date], how = left)

结果：合并执行但不按日期或upc总结

我也试过

df3 = pandas.merge(df1,df2, left_on = [date], right_on [upc] how = left)

这不起作用。

df3 = pandas.merge(df1,df2, left_on = [date,upc], right_on [date,upc] how = left)

这不起作用。

我也试过

df3 = pandas.merge(df1,df2, on = [date], how = left)

并且我一直返回错误消息。根据错误消息，我看起来需要将数据框中的一个日期转换为pandas dtype。

我做了那个改变并返回了与我第一次尝试相同的结果。合并有效，但没有总结结果。我尝试将两个数据框中的两个日期都转换为astype(str)，但这不起作用。我了解到两个日期是否具有相同的日期格式dtype或astype(str)我返回内存错误消息。合并会失败。

我仅使用upc合并成功，但这会在我的数据中产生问题，我会返回重复的访问号码，因为由于日期列而在事务中重复upc。

我需要的是与excel中的sumif函数类似的东西。

我需要通过汇总每个upc每天的总访问次数并保持事务数据不变或按照sql的方式保持连接来组合这两个数据集

示例数据

df1
Date               upc         sales
09/01/2016   A01234    1000
09/02/2016   A01234    500
09/10/2016   A56789    1200

df2
Date               upc         visits
09/01/2016   A01234      10
09/02/2016   A01234      25
09/05/2016   A56789      26
09/10/2016   A56789      32


df3
Date               upc         sales   visits
09/01/2016   A01234    1000     10
09/02/2016   A01234      500      25
09/10/2016   A56789      1200    32

想知道pandasql包是否是我需要使用的。任何帮助表示赞赏

Answer 1

你执行的第一个合并声明应该让你到达中途，但不幸的是，这是两个步骤的后半部分。听起来您希望在按Date / upc对访问进行汇总后，将销售数据合并到访问数据上。实际上你必须先做一个总和（merge命令本身不会这样做）。尝试：

df2_sum = df2.groupby(["Date", "upc"])["visits"].sum().reset_index()

然后将其合并到销售数据中：

df3 = pd.merge(df1, df2_sum, on=["Date", "upc"], how="left")

Pandas使用日期和另一列合并在两列上

1 个答案: