Question

我有两个数据框sales和plan，如下所示：

                                  units
  retailer  product  date 

  1         1        2018-12-30   355
  1         1        2017-12-31   312
  1         1        2018-01-01   370
  ...


                                  plan_units
  retailer  product  date
  1         1        2018-01-01   360
  1         1        2018-01-02   380
  1         1        2018-01-03   330
  ...

[retailer, product, date]是索引。

在合并之前，sales['units'].sum()是123,456。但是：

pd.merge(sales, plan, left_index=True, right_index=True, how='outer')['units'].sum()

257,379 ，比以前更多。

两个数据帧的索引不相同，因此how='outer'。但是，我如何在合并结果中获得更多结果呢？

Answer 1

问题应该是销售和计划包含重复索引，这使得合并为每个匹配行创建多行

例如，即使使用concat，您也会遇到同样的问题，因为默认值为outer。

pd.concat([sales,plan],1)['units'].sum()

示例：

df1=pd.DataFrame({'key':[1,1,2],'val':[1,1,1]})
df2=pd.DataFrame({'key':[1,1,2],'val':[1,1,1]})
df1.merge(df2,on='key')
Out[291]: 
   key  val_x  val_y
0    1      1      1
1    1      1      1
2    1      1      1
3    1      1      1
4    2      1      1

为什么我的数据总和会在合并中发生变化？

1 个答案: