Python 当只有一级索引用作键时,熊猫与多索引合并
我有一个名为df1的数据帧,它有一个2级多索引(级别:“'u Date'和'u'ItemId')。“\u ItemId”的每个值都有多个实例,如下所示:Python 当只有一级索引用作键时,熊猫与多索引合并,python,pandas,merge,multi-index,Python,Pandas,Merge,Multi Index,我有一个名为df1的数据帧,它有一个2级多索引(级别:“'u Date'和'u'ItemId')。“\u ItemId”的每个值都有多个实例,如下所示: _SomeOtherLabel _Date _ItemId 2014-10-05 6588921 AA 6592520 AB 6836143
_SomeOtherLabel
_Date _ItemId
2014-10-05 6588921 AA
6592520 AB
6836143 BA
2014-10-11 6588921 CA
6592520 CB
6836143 DA
我有一个名为df2的第二个数据帧,其中的“\u ItemId”用作键(而不是索引)。在此df中,\ u ItemId的每个值只出现一次:
_ItemId _Cat
0 6588921 6_1
1 6592520 6_1
2 6836143 7_1
我想从df2中恢复列“\u Cat”中的值,并将它们合并到df1中以获得适当的“\u ItemId”值。这几乎是(我想?)一个标准的多对一合并,除了左df的适当键是多索引级别之一之外。我试过这个:
df1['_cat']=pd.merge(df1,df2,left_index=True, right_on='ItemId')
但是我得到了错误
"ValueError: len(right_on) must equal the number of levels in the index of "left"
我认为这是有意义的,因为我的(左)索引实际上是由两个键组成的。如何选择所需的一个索引级别?还是有更好的合并方法
谢谢我可以想出两种方法 使用和: 或者使用
reset\u index()
,merge()
,然后设置新的多索引
我认为第一种方法应该更快,但不确定
>>> df1.join(df2.set_index('_ItemId'))
_SomeOtherLabel _Cat
_Date _ItemId
2014-10-05 6588921 AA 6_1
6592520 AB 6_1
6836143 BA 7_1
2014-10-11 6588921 CA 6_1
6592520 CB 6_1
6836143 DA 7_1