Python 按日期和不相等日期合并数据帧

我的过程是：

导入包含日期、激活和取消的csv数据

通过激活或取消来子集数据

使用aggfunc“sum”透视数据

转换回数据帧

现在，我需要将两个数据帧合并在一起，但是一个数据帧中存在日期，而另一个数据帧中不存在日期。这两个数据帧从2017年1月1日开始，到2017年12月31日结束。优选地，需要填入指数月的任何观察的输出具有0的对应值

以下是两个数据帧中的.head（）

以下代码供参考：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os
import datetime

%matplotlib inline

#import data
directory1 = "C:\python\Contracts"
directory_source = os.path.join(directory1, "Contract_Data.csv")
df_source = pd.read_csv(directory_source)

#format date ranges as times
#df_source["Activation_Month"] = pd.to_datetime(df_source["Activation_Month"])
#df_source["Cancellation_Month"] = pd.to_datetime(df_source["Cancellation_Month"])
df_source["Activation_Day"] = pd.to_datetime(df_source["Activation_Day"])
df_source["Cancellation_Day"] = pd.to_datetime(df_source["Cancellation_Day"])


#subset the data based on status
df_active = df_source[df_source["Order Status"]=="Active"]
df_active = pd.DataFrame(df_active[["Activation_Day", "Event_Value"]].copy())
df_cancelled = df_source[df_source["Order Status"]=="Cancelled"]
df_cancelled = pd.DataFrame(df_cancelled[["Cancellation_Day", "Event_Value"]].copy())

#remove activations outside 2017 and cancellations outside 2017
df_cancelled = df_cancelled[(df_cancelled['Cancellation_Day'] > '2016-12-31') & 
                            (df_cancelled['Cancellation_Day'] <= '2017-12-31')]

df_active = df_active[(df_active['Activation_Day'] > '2016-12-31') & 
                            (df_active['Activation_Day'] <= '2017-12-31')]



#pivot the data to aggregate by day
df_active_aggregated = df_active.pivot_table(index='Activation_Day',
                                             values='Event_Value',
                                             aggfunc='sum')

df_cancelled_aggregated = df_cancelled.pivot_table(index='Cancellation_Day',
                                                   values='Event_Value',
                                                   aggfunc='sum')


#convert pivot tables back to useable dataframes
activations_aggregated = pd.DataFrame(df_active_aggregated.to_records())
cancellations_aggregated = pd.DataFrame(df_cancelled_aggregated.to_records())

#rename the time columns so they can be referenced when merging into one DF
activations_aggregated.columns = ["index_month", "Activations"]
#activations_aggregated = activations_aggregated.set_index(pd.DatetimeIndex(activations_aggregated["index_month"]))

cancellations_aggregated.columns = ["index_month", "Cancellations"]
#cancellations_aggregated = cancellations_aggregated.set_index(pd.DatetimeIndex(cancellations_aggregated["index_month"]))

将熊猫作为pd导入
将numpy作为np导入
将matplotlib.pyplot作为plt导入
导入操作系统
导入日期时间
%matplotlib内联
#导入数据
directory1=“C:\python\Contracts”
directory\u source=os.path.join（directory1，“Contract\u Data.csv”）
df\u source=pd.read\u csv（目录\u源）
#将日期范围格式化为时间
#df_源[“激活月”]=pd.to_日期时间（df_源[“激活月”]）
#df_来源[“取消_月”]=pd.to_日期时间（df_来源[“取消_月”]）
df_源[“激活日”]=pd.to_日期时间（df_源[“激活日”]）
df_来源[“取消日”]=pd.to_日期时间（df_来源[“取消日”]）
#根据状态对数据进行子集划分
df_活动=df_源[df_源[“订单状态”]=“活动”]
df_active=pd.DataFrame（df_active[[“激活日”，“事件值”]].copy（））
df_已取消=df_来源[df_来源[“订单状态”]=“已取消”]
df_cancelled=pd.DataFrame（df_cancelled[[“取消日”，“事件值”]].copy（））
#删除2017年以外的激活和2017年以外的取消
df_cancelled=df_cancelled[（df_cancelled['Cancellation_Day']>'2016-12-31'）和
（df_取消[‘取消日’]“2016-12-31”）和
（df_active['Activation_Day']您可以尝试：

activations_aggregated.merge(cancellations_aggregated, how='outer', on='index_month').fillna(0)

您可以尝试：

activations_aggregated.merge(cancellations_aggregated, how='outer', on='index_month').fillna(0)

不要使用图像共享样本数据；根据提供的快照，您制作样本应该不难。问题是什么？如何合并两个dfs？如何处理日期？如何填充空单元格？不要使用图像共享样本数据；根据提供的快照，您制作样本应该不难。没有什么问题问题陈述？如何合并两个DFS？如何处理日期？如何填充空单元格？如果遇到您的查询，请考虑接受答案。如果遇到您的查询，请考虑接受答案。