Python 熊猫：如何合并不同的数据帧？

我有两个数据帧

df1

和

df2

第一个数据框包含人名：

df1  NAME
0    Paul
1    Jack
2    Anna
3    Tom
4    Eva

以及第二个姓名，其中包含每个人收到和支付的金额信息。有些人不在

df1

中，例如

Zack

。有些人无法出现在列表中，例如

Tom

df2  Receiver Payer Amount  
0     Paul    Jack   300 
1     Anna    Paul   600
2     Anna    Eva    100
3     Eva     Zack   400

我想创建一个包含每个人收到和支付的所有金额的数据框。因此：

df3  NAME   RECEIVED  PAYED
0    Paul     300      600
1    Jack      0       300
2    Anna     700       0
3    Tom      NaN      NaN
4    Eva      400      100  

使用：

说明：

print (df2.melt('Amount', value_name='NAME', var_name='type'))

   Amount      type  NAME
0     300  Receiver  Paul
1     600  Receiver  Anna
2     100  Receiver  Anna
3     400  Receiver   Eva
4     300     Payer  Jack
5     600     Payer  Paul
6     100     Payer   Eva
7     400     Payer  Zack

首先通过以下方式重塑数据帧：

每个

NAME

和

type

按第二级

MultiIndex

从左到右的最后一个

DataFrame

---

另一个解决方案包括：

最后一列（如有必要）

重命名

列：

df3 = df3.rename(columns={'Receiver':'RECEIVED','Payer':'PAYED'})
print (df3)
   NAME  PAYED  RECEIVED
0  Paul  600.0     300.0
1  Jack  300.0       0.0
2  Anna    0.0     700.0
3   Tom    NaN       NaN
4   Eva  100.0     400.0

详细信息：

print (df2.melt('Amount', value_name='NAME', var_name='type'))

   Amount      type  NAME
0     300  Receiver  Paul
1     600  Receiver  Anna
2     100  Receiver  Anna
3     400  Receiver   Eva
4     300     Payer  Jack
5     600     Payer  Paul
6     100     Payer   Eva
7     400     Payer  Zack

---

我收到一个错误

'DataFrame'对象没有属性'melt'

@emax-这是版本问题，请将

df2.melt（'Amount'，value\u name='name'，var\u name='type'）

更改为

pd.melt（df2，'Amount'，value\u name='name'，var\u name='type'）

@jazreal很棒，谢谢。我收到了与的

组\u相同的错误。我应该用同样的方法解决这个问题吗？@emax-你认为
groupby
？相反，
group\u by
，似乎是打字错误。@jazreal是的，是打字错误，对不起。但是在
groupby
行中，我有一个错误：
TypeError:unhabable type:list
print (df2.melt('Amount', value_name='NAME', var_name='type'))

   Amount      type  NAME
0     300  Receiver  Paul
1     600  Receiver  Anna
2     100  Receiver  Anna
3     400  Receiver   Eva
4     300     Payer  Jack
5     600     Payer  Paul
6     100     Payer   Eva
7     400     Payer  Zack