如何在Python Pandas中将具有权重的MultiIndex Dataframe合并？

Question

我有3个多索引数据帧，其结构如下：

     Dataframe1:

     Date      IDs     Values
     Date1     ID4     0.5
               ID5     2.3
               ID6     3.1
     Date2     ID1     1.2
               ID4     5.1
     ...


     Dataframe2:

     Date      IDs     Values
     Date1     ID1     2.5
               ID2     3.3
               ID4     4.1
     Date2     ID3     5.2
               ID4     1.1
     ...

same for dataframe3

在每个实例中，日期和ID大多重复，但是可能有些没有完全对齐。

我需要将所有3个数据合并到一个具有相同结构的数据帧中，但每个id / date匹配对都要加上权重（因此是加权平均值）。

是否有简单的数据框命令来执行此操作？

Answer 1

如果我对您的理解正确，我们可以执行以下操作。

首先使用pandas.concatenate将数据帧连接为一个数据帧，同时使用DataFrame.reset_index重置索引。

然后我们在列Date & IDs上使用Dataframe.groupby并取mean的{​​{1}}：

Values

---

哪种产量：

df_all = pd.concat([df1.reset_index(), df2.reset_index()])

df_all = df_all.groupby(['Date', 'IDs'], as_index=False)['Values'].mean()