如何根据 df 行中的值查找 df_s_t 中的值并将结果保存在 df['s_t'] 中？答案

【问题标题】：How can I find values in df_s_t based on values in the rows of df and save the results in df['s_t']?如何根据 df 行中的值查找 df_s_t 中的值并将结果保存在 df['s_t'] 中？
【发布时间】：2019-09-21 08:42:39
【问题描述】：

我有以下 DataFrame (df)：

print(df.head())
        Date        Contract_Name   Maturity  ...  Call_Put Option_Price         t
0 2016-01-04  Aalberts Industries 2017-10-20  ...         C        12.29  0.049315
1 2016-01-05  Aalberts Industries 2017-10-20  ...         P         0.01  0.049315
2 2016-01-06  Aalberts Industries 2017-10-20  ...         C        11.29  0.049315
3 2016-01-04  WOLTERS-KLUWER      2017-10-20  ...         P         0.01  0.049315
4 2016-01-05  WOLTERS-KLUWER      2017-10-20  ...         C         9.29  0.049315

我想添加一个列 df['s_t'] 需要来自 df_s_t 的数据，这个 DataFrame 如下所示：

print(df_t_s.head())
        Date  Aalberts Industries  ...  UNILEVER WOLTERS-KLUWER
0 2016-01-04               30.125  ...    38.785         30.150
1 2016-01-05               30.095  ...    39.255         30.425
2 2016-01-06               29.405  ...    38.575         29.920
3 2016-01-07               29.005  ...    37.980         30.690
4 2016-01-08               28.930  ...    37.320         30.070

df['Date']可以匹配df_s_t['Date']，df['Contract_Name']可以匹配df_s_t的列名。

我希望有人可以帮助我根据 df_s_t 的值创建 df['s_t']（如上所述）。另请参阅下面的 df 示例

print(df.head())
       Date        Contract_Name   Maturity  ...  Call_Put Option_Price         t  s_t
0 2016-01-04  Aalberts Industries 2017-10-20  ...         C        12.29  0.049315 30.125
1 2016-01-05  Aalberts Industries 2017-10-20  ...         P         0.01  0.049315 30.095
2 2016-01-06  Aalberts Industries 2017-10-20  ...         C        11.29  0.049315 29.405
3 2016-01-04  WOLTERS-KLUWER      2017-10-20  ...         P         0.01  0.049315 30.150
4 2016-01-05  WOLTERS-KLUWER      2017-10-20  ...         C         9.29  0.049315 30.425

解决方案

df_s_t=pd.melt(df_s_t,id_vars=['Date'])
df_s_t=df_s_t.rename(columns={'variable':"Contract_Name"})
print(df_s_t.head())
        Date        Contract_Name   value
0 2016-01-04  Aalberts Industries  30.125
1 2016-01-05  Aalberts Industries  30.095
2 2016-01-06  Aalberts Industries  29.405
3 2016-01-07  Aalberts Industries  29.005
4 2016-01-08  Aalberts Industries   28.93

现在我们可以使用合并了：

df=pd.merge(df,df_s_t,on=['Date','Contract_Name'],how='left')
df=df.rename(columns={'value':'s_t'})
print(df.head())

      Date        Contract_Name   Maturity  ...  Option_Price         t  s_t
0 2017-10-02  Aalberts Industries 2017-10-20  ...         12.29  0.049315  41.29
1 2017-10-02  Aalberts Industries 2017-10-20  ...          0.01  0.049315  41.29
2 2017-10-02  Aalberts Industries 2017-10-20  ...         11.29  0.049315  41.29
3 2017-10-02  Aalberts Industries 2017-10-20  ...          0.01  0.049315  41.29
4 2017-10-02  Aalberts Industries 2017-10-20  ...          9.29  0.049315  41.29

【问题讨论】：

而不是df.info，请为每个数据框提供df.head()，以便我们查看示例以及您的首选输出示例。请参阅此链接以创建minimal reproducible example
Tnx 为您的评论！我更新了我的问题并将阅读您的建议。

标签： python pandas dataframe lookup

【解决方案1】：

这里有一个解决方案。
1) 我简化了您的数据，df1 只有 2 列（日期和合同名称）/df2 只有 4 列（日期/A/B/C）
2）我融化了 df2（变量被称为'Contract_Name'），然后是 groupby Date 和 Contract_Name
3) 我合并两个数据框
4) 打印

import pandas as pd
df1 = pd.read_excel('Book1.xlsx', sheet_name='df1')
df2 = pd.melt(pd.read_excel('Book1.xlsx', sheet_name='df2'), id_vars=["Date"],var_name="Contract_Name", value_name="Value").groupby(['Date', 'Contract_Name']).sum().reset_index()
df = pd.merge(df1, df2, how='left', on=['Date','Contract_Name'])
print(df)

【讨论】：

谢谢 RenauV，您简化我的数据的提示确实有所帮助。我会上传解决方案。