我有两个相同的数据帧（唯一的区别是列的名称 - 索引和值匹配）
df1
Out[300]:
C1 2018-05-17 P1 2018-05-17
Symbol YYYY MM DD Strike
AA 2018 05 18 29.0 0 0
30.0 0 0
df2
Out[301]:
C 2018-05-17 P 2018-05-17
Symbol YYYY MM DD Strike
AA 2018 05 18 29.0 0 0
30.0 0 0
当我尝试加入它们时，pandas与索引
不匹配df1.join(df2,how='outer')
Out[302]:
C1 2018-05-17 P1 2018-05-17 C 2018-05-17 P 2018-05-17
Symbol YYYY MM DD Strike
AA 2018 05 18 29.0 0 0 NaN NaN
30.0 0 0 NaN NaN
29.0 NaN NaN 0 0
30.0 NaN NaN 0 0
似乎“罢工”并未被视为匹配。我怎么能弄清楚这里的区别呢？
df1.info()
<class 'pandas.core.frame.DataFrame'>
MultiIndex: 2 entries, (AA, 2018, 05, 18, 29.0) to (AA, 2018, 05, 18, 30.0)
Data columns (total 2 columns):
C1 2018-05-17 2 non-null object
P1 2018-05-17 2 non-null object
dtypes: object(2)
memory usage: 48.3+ KB
df2.info()
<class 'pandas.core.frame.DataFrame'>
MultiIndex: 2 entries, (AA, 2018, 05, 18, 29.0) to (AA, 2018, 05, 18, 30.0)
Data columns (total 2 columns):
C 2018-05-17 2 non-null object
P 2018-05-17 2 non-null object
dtypes: object(2)
memory usage: 7.5+ KB
更新
我发现其中一个Strike列是float
类型df1 = df1.reset_index()
df2 = df2.reset_index()
df1.dtypes
Out[346]:
Symbol object
YYYY object
MM object
DD object
Strike float64
C1 2018-05-17 object
P1 2018-05-17 object
dtype: object
df2.dtypes
Out[347]:
Symbol object
YYYY object
MM object
DD object
Strike object
C 2018-05-17 object
P 2018-05-17 object
dtype: object
但是，即使我将dtype更改为object
df1 = df1.reset_index()
df1.Strike = df1.Strike.astype('object')
df1.dtypes
Out[360]:
level_0 int64
index object
Symbol object
YYYY object
MM object
DD object
Strike object
C1 2018-05-17 object
P1 2018-05-17 object
dtype: object
如果我将它设置回索引，它会变回浮动
df1.set_index(['Symbol','YYYY','MM','DD','Strike']).reset_index().dtypes
Out[373]:
Symbol object
YYYY object
MM object
DD object
Strike float64
C1 2018-05-17 object
P1 2018-05-17 object
dtype: object
如何阻止它改回来？
答案 0 :(得分：0)
如果我为一个集合使用字符串而对另一个集合使用int，我能够重新创建您的问题。我的猜测是你的类型与Strike列不同：
tuples1 = [('AA', '2018', '05', '18', '29'), ('AA', '2018', '05', '18', '30')]
index1 = pd.MultiIndex.from_tuples(tuples1, names=('Symbol', 'YYYY', 'MM', 'DD', 'Strike'))
tuples2 = [('AA', '2018', '05', '18', 29), ('AA', '2018', '05', '18', 30)]
index2 = pd.MultiIndex.from_tuples(tuples2, names=('Symbol', 'YYYY', 'MM', 'DD', 'Strike'))
df1 = pd.DataFrame(np.random.rand(2,2), index=index1, columns=['A','B'])
df2 = pd.DataFrame(np.random.rand(2, 2), index=index2, columns=['C', 'D'])
print(df1)
print(df2)
print(df1.join(df2, how='outer'))
输出：
A B C D
Symbol YYYY MM DD Strike
AA 2018 05 18 29 0.891830 0.670130 NaN NaN
30 0.126326 0.921279 NaN NaN
29 NaN NaN 0.962292 0.822756
30 NaN NaN 0.478753 0.559231
如果您尝试：
print(index1.get_level_values(4))
print(index2.get_level_values(4))
然后您会看到它们具有不同的数据类型：
Index(['29', '30'], dtype='object', name='Strike')
Int64Index([29, 30], dtype='int64', name='Strike')
如果你这样做
df1.Strike = df1.Strike.astype('object')
然后你得到：
Symbol object
YYYY object
MM object
DD object
Strike float64
C float64
D float64
取而代之的是
df1.Strike = df1.Strike.astype(str)
这给出了：
Symbol object
YYYY object
MM object
DD object
Strike object
C float64
D float64
最后：
print(df1.join(df2, how='outer'))
输出：
A B C D
Symbol YYYY MM DD Strike
AA 2018 05 18 29 0.755093 0.256132 0.291880 0.404898
30 0.827709 0.254511 0.849849 0.605643
当然，如果您最终比较字符串＆＃39; 30＆＃39;对于字符串＆＃39; 30.0＆＃39;，所以最好将字符串更改为浮动而不是相反。
答案 1 :(得分：0)
这是一个糟糕的答案，但它有效 - 不知道为什么
如果我将数据帧放在csv中然后读取它，我可以成功设置数据类型
df1.to_csv(r'*.csv')
df1 = pd.read_csv(r'*.csv', dtype = 'str')
df1 = df1.set_index(['Symbol','YYYY','MM','DD','Strike'])