Arrays 合并2个大小、列数和频率不同的数据帧
我一直在尝试合并两个不同大小和频率的NFL数据帧,但有两列相同的teiamname和year,第一列索引是团队名称和year,是year AVG,下一列按tm名称和year排序,但分为每周1-17场比赛,因此,我一直在尝试合并团队名称和年份,然后给出年度平均值,即9列,然后每年每周1-17列,在11个不同的列上。我已经在这两个星期了,我尝试了各种方法,多索引。。。我可以迭代每个datframe并以正确的顺序追加到数组中,但当我尝试将该列表设置为DF时。。不行,尝试了多索引groupby 任何帮助都将不胜感激 谢谢Arrays 合并2个大小、列数和频率不同的数据帧,arrays,python-3.x,pandas,dataframe,merge,Arrays,Python 3.x,Pandas,Dataframe,Merge,我一直在尝试合并两个不同大小和频率的NFL数据帧,但有两列相同的teiamname和year,第一列索引是团队名称和year,是year AVG,下一列按tm名称和year排序,但分为每周1-17场比赛,因此,我一直在尝试合并团队名称和年份,然后给出年度平均值,即9列,然后每年每周1-17列,在11个不同的列上。我已经在这两个星期了,我尝试了各种方法,多索引。。。我可以迭代每个datframe并以正确的顺序追加到数组中,但当我尝试将该列表设置为DF时。。不行,尝试了多索引groupby 任何帮助
如果两个数据帧中有两个相同的列,为什么不使用pandas.Dataframe.join连接这两个表呢?这样,您就可以将团队名称和年份的所有数据都放在同一行。在发布问题之前,请仔细阅读。请清楚地描述您的输入数据框和输出数据框期望值,查看其他贴有pandas的帖子以了解更多信息,您可能还想查看我试图合并的两个DF.heads,DF 1 32个团队中的每个团队都有avgs2018-2015年的工作年限。DF2每个32支球队在2018-2015年有17周的比赛统计数据,我正在尝试合并它们,这样我就没有任何NAN数据或相关行,我已经浏览了堆栈和文档,或者我不理解,或者它不在那里,或者足够具体到我导致堆栈溢出的原因。我可以告诉你,你花了很多精力来写你的问题,但不幸的是,按照目前的措辞,它相当混乱。很多文本信息很难理解:若你们提供一个小样本的数据,显示输入和期望的输出,你们就更有可能得到答案。祝你好运从df1开始,它运行了17次,而不是只执行df1行,而该团队和df2的yr的17行/游戏未遵循。如果我放弃dup。组织cols&rows错误它列出了每个tm/yr 1ST的所有df1行,这是我想要的,但每年32支球队在第一周的所有比赛中都有,然后在第二周32支球队在第四年中都有,无论我如何尝试,我都无法组织,它只有126排,我想应该是bc,有32支球队,4年,当它应该在2000年左右,也许我错了,我不能想象它,我需要看看它看起来如何不被Atomokay截断,我仍然在努力理解你的目标是什么。你有1DF和计算的平均值,1DF和17周的统计数据相同的年份数。NFL赛季有17周长吗?输出应该是什么样的?所有周加上每年和团队的平均值?层次索引分为三个级别,元组lvl_00=result.Tm_name.values lt2.Off_1stD.values,result2.Off_TotYd.values,result2.Def_1stD_all.values,result2.Def_TotYd_all.values lvl\u 01=result.year.values,result.W.values,result.L.values,result.W_L_Pct.values,result.PD.values,result.MoV.values,result.SoS.values,result.SRS.values,result.OSRS.values,result.DSRS.values lvl_02=result2.Week.values,result2.Date.values,result2.win_loss.values,result2.home_-away.values,result2.Opp1_团队价值,result2.Opp1.Tm_Pnts.values,result2.Opp2_pnts.values,resultI问了同样的问题:bc我被告知这一个描述不够,所以在这个url上我添加了代码和DF,如果你认为有帮助的话。[链接]。
Year Tm_name W L W_L_Pct PD MoV SoS SRS OSRS DSRS
1 2015 1 13.0 3.0 0.813 176.0 11.0 1.3 12.3 9.0 3.4
2 2016 1 7.0 8.0 0.469 56.0 3.5 -1.9 1.6 2.4 -0.8
3 2017 1 8.0 8.0 0.500 -66.0 -4.1 0.4 -3.7 -4.0 0.2
4 2018 1 3.0 13.0 0.188 -200.0 -12.5 1.0 -11.5 -9.6 -1.9
5 2015 2 8.0 8.0 0.500 -6.0 -0.4 -3.4 -3.8 -4.0 0.3
Week Year Date Tm_name win_loss home_away Opp1_team Tm_Pnts \
0 1 2018 2018-09-09 1 0.0 1.0 32.0 6.0
1 2 2018 2018-09-16 1 0.0 0.0 18.0 0.0
2 3 2018 2018-09-23 1 0.0 1.0 6.0 14.0
3 4 2018 2018-09-30 1 0.0 1.0 28.0 17.0
4 5 2018 2018-10-07 1 1.0 0.0 29.0 28.0
Opp2_pnts Off_1stD Off_TotYd Def_1stD_All Def_TotYd_All
0 24.0 14.0 213.0 30.0 429.0
1 34.0 5.0 137.0 24.0 432.0
2 16.0 13.0 221.0 21.0 316.0
3 20.0 18.0 263.0 19.0 331.0
4 18.0 10.0 220.0 33.0 447.0