我有一个我正在通过阅读Excel文件创建的数据框：
Project Release Name Cycle Name Cycle Start Date Cycle End Date Exec Date Planned Exec Date Available Test Cases Planned Tested Passed Failed Blocked No Run Tester
B1 Y1 CM1 2/7/2018 2/20/2018 2/6/2018 2/6/2018 2 10 8 8 0 0 0 Tester3
B1 Y1 CM1 2/7/2018 2/20/2018 2/7/2018 2/7/2018 2 13 10 9 1 1 0 Tester3
B1 Y1 CM1 2/7/2018 2/20/2018 2/8/2018 2/8/2018 0 1 1 1 0 0 0 Tester3
B1 Y1 CM1 2/7/2018 2/20/2018 2/9/2018 2/9/2018 0 2 2 2 0 0 0 Tester3
B1 Y1 CM1 2/7/2018 2/20/2018 2/10/2018 2/10/2018 0 2 2 2 0 0 0 Tester3
B1 Y1 CL1 2/7/2018 2/25/2018 2/1/2018 2/1/2018 5 25 20 20 0 0 0 Tester 4
B1 Y1 CL1 2/7/2018 2/25/2018 2/2/2018 2/2/2018 10 30 20 18 2 0 0 Tester 4
B1 Y1 CL1 2/7/2018 2/25/2018 2/3/2018 2/3/2018 0 2 2 0 2 0 0 Tester 4
B1 Y1 CL1 1/17/2018 2/25/2018 2/4/2018 2/4/2018 0 3 3 1 2 0 0 Tester 4
B1 Y1 CL1 1/17/2018 2/25/2018 2/5/2018 2/5/2018 5 32 25 20 4 1 0 Tester 4
C1 Z1 CK1 1/10/2018 2/20/2018 2/3/2018 2/3/2018 0 1 1 0 1 0 0 Tester5
C1 Z1 CK1 1/10/2018 2/20/2018 2/4/2018 2/4/2018 0 1 1 0 1 0 0 Tester5
C1 Z1 CK1 1/10/2018 2/20/2018 2/5/2018 2/5/2018 0 1 1 0 1 0 0 Tester5
C1 Z1 CK1 1/10/2018 2/20/2018 2/6/2018 2/6/2018 0 1 1 1 0 0 0 Tester5
C1 Z1 CK1 1/10/2018 2/20/2018 2/7/2018 2/7/2018 0 1 1 1 0 0 0 Tester6
C1 Z1 CK1 1/10/2018 2/20/2018 2/8/2018 2/8/2018 0 1 1 1 0 0 0 Tester6
C1 Z1 CK2 1/17/2018 2/18/2018 2/6/2018 2/6/2018 0 1 1 1 0 0 0 Tester6
C1 Z1 CK2 1/17/2018 2/18/2018 2/7/2018 2/7/2018 0 2 2 0 2 0 0 Tester6
C1 Z1 CK2 1/17/2018 2/18/2018 2/8/2018 2/8/2018 0 2 2 0 2 0 0 Tester7
C1 Z1 CK2 1/17/2018 2/18/2018 2/9/2018 2/9/2018 0 2 2 0 2 0 0 Tester7
C1 Z1 CK2 1/17/2018 2/18/2018 2/10/2018 2/10/2018 0 2 2 1 1 0 0 Tester7
C1 Z1 CK2 1/17/2018 2/18/2018 2/11/2018 2/11/2018 0 2 2 2 0 0 0 Tester7
我正在使用pandas groupby如下：
dx1 = pd.read_excel('Trend.xlsx',sheetname='Execution by Date')
dx1 = dx1.groupby(['Project', 'Release Name', 'Cycle Name', 'Cycle Start Date',
'Cycle End Date'])['Exec Date','Planned Exec Date', 'Available Test Cases', 'Planned', 'Tested', 'Passed', 'Failed',
'Blocked'].sum().reset_index()
这是我得到的结果：
Project Release Name Cycle Name Cycle Start Date Cycle End Date Available Test Cases Planned Tested Passed Failed Blocked
B1 Y1 CL1 2018-01-17 00:00:00 2018-02-25 00:00:00 5 35 28 21 6 1
B1 Y1 CL1 2018-02-07 00:00:00 2018-02-25 00:00:00 15 57 42 38 4 0
B1 Y1 CM1 2018-02-07 00:00:00 2018-02-20 00:00:00 4 28 23 22 1 1
C1 Z1 CK1 2018-01-10 00:00:00 2018-02-20 00:00:00 0 6 6 3 3 0
C1 Z1 CK2 2018-01-17 00:00:00 2018-02-18 00:00:00 0 11 11 4 7 0
正如您所看到的，缺少“执行日期”和“计划执行日期”。
如何将两个缺少的日期列重新放回数据框中。 我尝试了所有看似相关的解决方案，但没有一个对我有用。
答案 0 :(得分：0)
你做不到。你是按
分组的['Project', 'Release Name', 'Cycle Name', 'Cycle Start Date', 'Cycle End Date']
每个组合都有Exec Date和Planned Exec Date的多个不同值。换句话说，你有例如3个不同的值，你只能保留一个。似乎groupby()似乎不会为您选择任何一个，只是将列留在结果之外。但是，您可以手动执行此操作，然后将它们合并到groupby()结果中：
import pandas as pd
pd.set_option("display.width", 300)
import sys
# Read in data set
if sys.version_info[0] < 3:
from StringIO import StringIO
else:
from io import StringIO
test_data = StringIO("""Project;Release Name;Cycle Name;Cycle Start Date;Cycle End Date;Exec Date;Planned Exec Date;Available Test Cases;Planned;Tested;Passed;Failed;Blocked;No Run;Tester
B1;Y1;CM1;2/7/2018;2/20/2018;2/6/2018;2/6/2018;2;10;8;8;0;0;0;Tester3
B1;Y1;CM1;2/7/2018;2/20/2018;2/7/2018;2/7/2018;2;13;10;9;1;1;0;Tester3
B1;Y1;CM1;2/7/2018;2/20/2018;2/8/2018;2/8/2018;0;1;1;1;0;0;0;Tester3
B1;Y1;CM1;2/7/2018;2/20/2018;2/9/2018;2/9/2018;0;2;2;2;0;0;0;Tester3
B1;Y1;CM1;2/7/2018;2/20/2018;2/10/2018;2/10/2018;0;2;2;2;0;0;0;Tester3
B1;Y1;CL1;2/7/2018;2/25/2018;2/1/2018;2/1/2018;5;25;20;20;0;0;0;Tester4
B1;Y1;CL1;2/7/2018;2/25/2018;2/2/2018;2/2/2018;10;30;20;18;2;0;0;Tester4
B1;Y1;CL1;2/7/2018;2/25/2018;2/3/2018;2/3/2018;0;2;2;0;2;0;0;Tester4
B1;Y1;CL1;1/17/2018;2/25/2018;2/4/2018;2/4/2018;0;3;3;1;2;0;0;Tester4
B1;Y1;CL1;1/17/2018;2/25/2018;2/5/2018;2/5/2018;5;32;25;20;4;1;0;Tester4
C1;Z1;CK1;1/10/2018;2/20/2018;2/3/2018;2/3/2018;0;1;1;0;1;0;0;Tester5
C1;Z1;CK1;1/10/2018;2/20/2018;2/4/2018;2/4/2018;0;1;1;0;1;0;0;Tester5
C1;Z1;CK1;1/10/2018;2/20/2018;2/5/2018;2/5/2018;0;1;1;0;1;0;0;Tester5
C1;Z1;CK1;1/10/2018;2/20/2018;2/6/2018;2/6/2018;0;1;1;1;0;0;0;Tester5
C1;Z1;CK1;1/10/2018;2/20/2018;2/7/2018;2/7/2018;0;1;1;1;0;0;0;Tester6
C1;Z1;CK1;1/10/2018;2/20/2018;2/8/2018;2/8/2018;0;1;1;1;0;0;0;Tester6
C1;Z1;CK2;1/17/2018;2/18/2018;2/6/2018;2/6/2018;0;1;1;1;0;0;0;Tester6
C1;Z1;CK2;1/17/2018;2/18/2018;2/7/2018;2/7/2018;0;2;2;0;2;0;0;Tester6
C1;Z1;CK2;1/17/2018;2/18/2018;2/8/2018;2/8/2018;0;2;2;0;2;0;0;Tester7
C1;Z1;CK2;1/17/2018;2/18/2018;2/9/2018;2/9/2018;0;2;2;0;2;0;0;Tester7
C1;Z1;CK2;1/17/2018;2/18/2018;2/10/2018;2/10/2018;0;2;2;1;1;0;0;Tester7
C1;Z1;CK2;1/17/2018;2/18/2018;2/11/2018;2/11/2018;0;2;2;2;0;0;0;Tester7""")
df = pd.read_csv(test_data, sep=";")
new_df = df.groupby(['Project', 'Release Name', 'Cycle Name', 'Cycle Start Date', 'Cycle End Date'])['Exec Date','Planned Exec Date', 'Available Test Cases', 'Planned', 'Tested', 'Passed', 'Failed', 'Blocked'].sum().reset_index()
print new_df
new_df看起来像：
Project Release Name Cycle Name Cycle Start Date Cycle End Date Available Test Cases Planned Tested Passed Failed Blocked
0 B1 Y1 CL1 1/17/2018 2/25/2018 5 35 28 21 6 1
1 B1 Y1 CL1 2/7/2018 2/25/2018 15 57 42 38 4 0
2 B1 Y1 CM1 2/7/2018 2/20/2018 4 28 23 22 1 1
3 C1 Z1 CK1 1/10/2018 2/20/2018 0 6 6 3 3 0
4 C1 Z1 CK2 1/17/2018 2/18/2018 0 11 11 4 7 0
然后，您可以再次执行groupby()，但只保留第一次出现。现在缺少的列将出现，因为列中没有歧义：
# Get first occurrence of "Exec Date" and "Planned Exec Date"
firsts = df.groupby(['Project', 'Release Name', 'Cycle Name', 'Cycle Start Date', "Cycle End Date"]).first().reset_index()
print firsts
firsts看起来像：
Project Release Name Cycle Name Cycle Start Date Cycle End Date Exec Date Planned Exec Date Available Test Cases Planned Tested Passed Failed Blocked No Run Tester
0 B1 Y1 CL1 1/17/2018 2/25/2018 2/4/2018 2/4/2018 0 3 3 1 2 0 0 Tester4
1 B1 Y1 CL1 2/7/2018 2/25/2018 2/1/2018 2/1/2018 5 25 20 20 0 0 0 Tester4
2 B1 Y1 CM1 2/7/2018 2/20/2018 2/6/2018 2/6/2018 2 10 8 8 0 0 0 Tester3
3 C1 Z1 CK1 1/10/2018 2/20/2018 2/3/2018 2/3/2018 0 1 1 0 1 0 0 Tester5
4 C1 Z1 CK2 1/17/2018 2/18/2018 2/6/2018 2/6/2018 0 1 1 1 0 0 0 Tester6
然后将初始groupby()结果（带有总和的结果）与包含缺失列的groupby()结果合并：
# Merge in the missing columns into the result from the groupby
new_df_with_missing_columns = new_df.merge(firsts[["Project", "Release Name", "Cycle Name", "Cycle Start Date", "Cycle End Date", "Exec Date", "Planned Exec Date"]], on=["Project", "Release Name", "Cycle Name", "Cycle Start Date", "Cycle End Date"])
print new_df_with_missing_columns
new_df_with_missing_columns看起来像：
Project Release Name Cycle Name Cycle Start Date Cycle End Date Available Test Cases Planned Tested Passed Failed Blocked Exec Date Planned Exec Date
0 B1 Y1 CL1 1/17/2018 2/25/2018 5 35 28 21 6 1 2/4/2018 2/4/2018
1 B1 Y1 CL1 2/7/2018 2/25/2018 15 57 42 38 4 0 2/1/2018 2/1/2018
2 B1 Y1 CM1 2/7/2018 2/20/2018 4 28 23 22 1 1 2/6/2018 2/6/2018
3 C1 Z1 CK1 1/10/2018 2/20/2018 0 6 6 3 3 0 2/3/2018 2/3/2018
4 C1 Z1 CK2 1/17/2018 2/18/2018 0 11 11 4 7 0 2/6/2018 2/6/2018