Пусть dataframe x
:Как объединить две панды DataFrames по объекту CategoricalIndex
x = pd.DataFrame({'A':[None,None,3,4,5,6,7,8,9,10],'B':[2,4,3,5,1,6,9,0,4,4]},index = range(10,20))
bins = [0,3,6,15]
x['A_level'] = pd.cut(x['A'],bins)
print x
, который выглядит как:
A B A_level
10 NaN 2 NaN
11 NaN 4 NaN
12 3 3 (0, 3]
13 4 5 (3, 6]
14 5 1 (3, 6]
15 6 6 (3, 6]
16 7 9 (6, 15]
17 8 0 (6, 15]
18 9 4 (6, 15]
19 10 4 (6, 15]
Тогда суммарная серия y
гласит:
y = x[['A_level','B']].groupby('A_level').mean()
y.columns = ['B_mean']
print y
который выглядит следующим образом:
B
A_level
(0, 3] 3.00
(3, 6] 4.00
(6, 15] 4.25
Мой вопрос в том, как объединить x
и y
и получить следующий результат?
A B A_level B_mean
10 NaN 2 NaN NaN
11 NaN 4 NaN NaN
12 3 3 (0, 3] 3.00
13 4 5 (3, 6] 4.00
14 5 1 (3, 6] 4.00
15 6 6 (3, 6] 4.00
16 7 9 (6, 15] 4.25
17 8 0 (6, 15] 4.25
18 9 4 (6, 15] 4.25
19 10 4 (6, 15] 4.25
Я попытался
x['B_mean'] = y[x['A_level']]
но он возвращает KeyError
.
Следующий код мог бы сделать подобную работу,
z = pd.merge(x,y.reset_index(),how='left',on='A_level')
, которая возвращает:
A B A_level B_mean
0 NaN 2 NaN NaN
1 NaN 4 NaN NaN
2 3 3 (0, 3] 3.00
3 4 5 (3, 6] 4.00
4 5 1 (3, 6] 4.00
5 6 6 (3, 6] 4.00
6 7 9 (6, 15] 4.25
7 8 0 (6, 15] 4.25
8 9 4 (6, 15] 4.25
9 10 4 (6, 15] 4.25
но индекс x
и z
отличается. Я знаю, что это может быть сделано
z.index = x.index
но мне любопытно, есть ли лучший способ сделать это.
Большое спасибо!
Возможный дубликат [Как сохранить индекс при использовании панд слияния] (http://stackoverflow.com/questions/11976503/how-to-keep-index-when-using-pandas-merge) –