Fatal编程技术网
  • python/
  • Python 根据数据框中的行匹配，有条件地使用另一个数据框中的值填充列

Python 根据数据框中的行匹配，有条件地使用另一个数据框中的值填充列

python pandas

Python 根据数据框中的行匹配，有条件地使用另一个数据框中的值填充列,python,pandas,Python,Pandas,我发现自己在试图解决税务文书自动化这个问题时迷失了方向。我有两个数据框：一个是欧元/美元汇率的季度历史记录，另一个是我自己的发票，例如： 作为pd进口熊猫 将numpy作为np导入 usdeur=[pd.时间戳'20170705'，1.1329， pd.时间戳'20170706'，1.1385， pd.时间戳'20170707'，1.1412， pd.时间戳'20170710'，1.1387， pd.时间戳'20170711'，1.1405， pd.时间戳'20170712'，1.1449] 标

我发现自己在试图解决税务文书自动化这个问题时迷失了方向。我有两个数据框：一个是欧元/美元汇率的季度历史记录，另一个是我自己的发票，例如：

作为pd进口熊猫 将numpy作为np导入 usdeur=[pd.时间戳'20170705'，1.1329， pd.时间戳'20170706'，1.1385， pd.时间戳'20170707'，1.1412， pd.时间戳'20170710'，1.1387， pd.时间戳'20170711'，1.1405， pd.时间戳'20170712'，1.1449] 标签=['Date'，'Rate'] rates=pd.DataFrame.from_recordsusdeur，columns=labels 交易=[pd.时间戳'20170706'，'PayPal'，'USD'，100,1， pd.时间戳'20170706'，'Fastspring'，'USD'，200,1， pd.时间戳'20170709'，'Fastspring'，'USD'，100,1， pd.时间戳'20170710'，'EU'，'EUR'，100,1， pd.时间戳'20170710'，'PayPal'，'USD'，200，1] 标签=['Date'，'From'，'Currency'，'Amount'，'Rate'] sales=pd.DataFrame.from_recordstransactions，columns=labels 导致：

我需要在sales['Rate']栏中填入汇率['Rate']中的正确汇率，也就是说：

如果销售额['Currency']是'EUR'，不要管它。 对于每一行销售，在rates中找到与“Date”匹配的行；抓住这个价格['Rate']值，并将其用于销售['Rate'] 奖励：如果没有匹配的“日期”，例如在节假日，交易所市场关闭，请检查前一行，直到找到合适的值。 完整结果应如下所示，第2行的费率为2017-07-07：

我试着从其他问题中找到一些建议的解决方案，但没有成功。
非常感谢您提前

您可以更改您的费率数据框以包含所有日期，然后向前填充，在费率数据框中创建一个名为“货币”的列，然后在日期和货币列上加入两个df

idx = pd.DataFrame(pd.date_range('2017-07-05', '2017-07-12'),columns=['Date'])
rates = pd.merge(idx,rates,how="left",on="Date")
rates['Currency'] = 'USD'
rates['Rate'] = rates['Rate'].ffill()           

     Date   Rate    Currency
0   2017-07-05  1.1329  USD
1   2017-07-06  1.1385  USD
2   2017-07-07  1.1412  USD
3   2017-07-08  1.1412  USD
4   2017-07-09  1.1412  USD
5   2017-07-10  1.1387  USD
6   2017-07-11  1.1405  USD
7   2017-07-12  1.1449  USD
然后进行左连接将得到：

result = pd.merge(sales,rates,how="left",on=["Currency","Date"])
result['Rate'] = np.where(result['Currency'] == 'EUR', 1, result['Rate_y'])
result = result.drop(['Rate_x','Rate_y'],axis =1)

     Date         From      Currency    Amount  Rate
0   2017-07-06  PayPal           USD    100 1.1385
1   2017-07-06  Fastspring       USD    200 1.1385
2   2017-07-09  Fastspring       USD    100 1.1412
3   2017-07-10  EU               EUR    100 1.0000
4   2017-07-10  PayPal           USD    200 1.1387
将提供：

result = pd.merge(sales,rates,how="left",on=["Currency","Date"])
result['Rate'] = np.where(result['Currency'] == 'EUR', 1, result['Rate_y'])
result = result.drop(['Rate_x','Rate_y'],axis =1)

     Date         From      Currency    Amount  Rate
0   2017-07-06  PayPal           USD    100 1.1385
1   2017-07-06  Fastspring       USD    200 1.1385
2   2017-07-09  Fastspring       USD    100 1.1412
3   2017-07-10  EU               EUR    100 1.0000
4   2017-07-10  PayPal           USD    200 1.1387
您可以更改费率数据框以包含所有日期，然后向前填充，在费率数据框中创建一个名为“货币”的列，然后在日期和货币列上加入两个df

idx = pd.DataFrame(pd.date_range('2017-07-05', '2017-07-12'),columns=['Date'])
rates = pd.merge(idx,rates,how="left",on="Date")
rates['Currency'] = 'USD'
rates['Rate'] = rates['Rate'].ffill()           

     Date   Rate    Currency
0   2017-07-05  1.1329  USD
1   2017-07-06  1.1385  USD
2   2017-07-07  1.1412  USD
3   2017-07-08  1.1412  USD
4   2017-07-09  1.1412  USD
5   2017-07-10  1.1387  USD
6   2017-07-11  1.1405  USD
7   2017-07-12  1.1449  USD
然后进行左连接将得到：

result = pd.merge(sales,rates,how="left",on=["Currency","Date"])
result['Rate'] = np.where(result['Currency'] == 'EUR', 1, result['Rate_y'])
result = result.drop(['Rate_x','Rate_y'],axis =1)

     Date         From      Currency    Amount  Rate
0   2017-07-06  PayPal           USD    100 1.1385
1   2017-07-06  Fastspring       USD    200 1.1385
2   2017-07-09  Fastspring       USD    100 1.1412
3   2017-07-10  EU               EUR    100 1.0000
4   2017-07-10  PayPal           USD    200 1.1387
将提供：

result = pd.merge(sales,rates,how="left",on=["Currency","Date"])
result['Rate'] = np.where(result['Currency'] == 'EUR', 1, result['Rate_y'])
result = result.drop(['Rate_x','Rate_y'],axis =1)

     Date         From      Currency    Amount  Rate
0   2017-07-06  PayPal           USD    100 1.1385
1   2017-07-06  Fastspring       USD    200 1.1385
2   2017-07-09  Fastspring       USD    100 1.1412
3   2017-07-10  EU               EUR    100 1.0000
4   2017-07-10  PayPal           USD    200 1.1387
我使用pd.merge\u asof分解这些步骤

然后

我使用pd.merge\u asof分解这些步骤

然后

下面是我在没有合并的情况下如何做到这一点。 1.用缺失的日期填写费率，用其他答案填写ffill，但保留日期作为索引。 2.将此数据框映射到sales，使用loc不包括带有EUR的行

idx = pd.date_range(rates['Date'].min(), rates['Date'].max())
rates = rates.set_index('Date').reindex(idx).ffill()
sales.loc[sales['Currency'] != 'EUR','Rate'] = sales.loc[sales['Currency'] != 'EUR','Date'].map(rates['Rate'])

    Date        From        Currency    Amount  Rate
0   2017-07-06  PayPal      USD         100     1.1385
1   2017-07-06  Fastspring  USD         200     1.1385
2   2017-07-09  Fastspring  USD         100     1.1412
3   2017-07-10  EU          EUR         100     1.0000
4   2017-07-10  PayPal      USD         200     1.1387
或者您甚至可以在不更改数据帧速率的情况下执行此操作

mapper = rates.set_index('Date').reindex(sales['Date'].unique()).ffill()['Rate']

sales.loc[sales['Currency'] != 'EUR','Rate'] = sales.loc[sales['Currency'] != 'EUR','Date'].map(mapper)
时间测试：

wen:       0.011892538983374834
gayatri:   0.13312408898491412
vaishali : 0.009498710976913571
下面是我在没有合并的情况下如何做到这一点。 1.用缺失的日期填写费率，用其他答案填写ffill，但保留日期作为索引。 2.将此数据框映射到sales，使用loc不包括带有EUR的行

idx = pd.date_range(rates['Date'].min(), rates['Date'].max())
rates = rates.set_index('Date').reindex(idx).ffill()
sales.loc[sales['Currency'] != 'EUR','Rate'] = sales.loc[sales['Currency'] != 'EUR','Date'].map(rates['Rate'])

    Date        From        Currency    Amount  Rate
0   2017-07-06  PayPal      USD         100     1.1385
1   2017-07-06  Fastspring  USD         200     1.1385
2   2017-07-09  Fastspring  USD         100     1.1412
3   2017-07-10  EU          EUR         100     1.0000
4   2017-07-10  PayPal      USD         200     1.1387
或者您甚至可以在不更改数据帧速率的情况下执行此操作

mapper = rates.set_index('Date').reindex(sales['Date'].unique()).ffill()['Rate']

sales.loc[sales['Currency'] != 'EUR','Rate'] = sales.loc[sales['Currency'] != 'EUR','Date'].map(mapper)
时间测试：

wen:       0.011892538983374834
gayatri:   0.13312408898491412
vaishali : 0.009498710976913571
这是向前迈出的一大步，谢谢！它仍然将NaN保留在第2行，而在本例中，它应该使用rates['Rate'][2]是的，谢谢–我已经看到了修改后的答案谢谢。巧妙的技巧，填上遗漏的日期，然后说这是一个很好的进步，谢谢！它仍然将NaN保留在第2行，而在本例中，它应该使用rates['Rate'][2]是的，谢谢–我已经看到了修改后的答案谢谢。巧妙的技巧，填上遗漏的日期，然后这真是太棒了@Gayatri注意到你的回答也很好：@DavideBarranca yw:-）这太棒了@Gayatri注意到你的回答也很好：@DavideBarranca yw:-）