如何使用以下数据集创建多索引数据框？答案

【问题标题】：How can I create a multiindex data frame with the following datasets?如何使用以下数据集创建多索引数据框？
【发布时间】：2019-04-19 07:58:35
【问题描述】：

我必须创建一个多索引数据框，以考虑包含在两个不同数据框中的数据。对于第二个数据帧的每个索引（日期），对于第一个数据帧的每一行，如果第一个数据帧的日期列中的值等于第二个数据帧的索引，那么我创建一个多索引数据帧每个日期，每天发布的推文数量和每行的特征。

这是第一个包含来自 Twitter 的数据的数据框：

        Date            Full text   Retweets    Likes
333     2018-04-13  RT @Tesla...    2838             0
332     2018-04-13  @timkhiggins... 7722             40733
331     2018-04-13  @TheEconomist.. 1911             18634

这是特斯拉股票市场数据的第二个数据框：

                Open        High     Low         Close  Volume       Gap
Date                        
2018-04-13  283.000000  296.859985   279.519989  294.089996 8569400  11.089996
2018-04-14  303.320000  304.940002   291.619995  291.970001 7286800  -11.349999
2018-04-25  287.760010  288.000000   273.420013  275.010010 8945800  -12.750000

这是我尝试做的：

for i in TeslaData.index:
    for row in sortedTweetsData.iterrows():
        if row[1]==i:
            NumTweetsByDay+=1
            for num in NumTweetsByDay:
                idx=pd.MultiIndex.from_product([[i],[NumTweetsBy]])
                colum=col
                df= pd.DataFrame(row,idx,column)

我正在寻找的输出如下：

Date        Number of Tweets    Full text       Retweets    Likes

2018-04-13        1              RT @Tesla...    2838        0
                  2              @timkhiggins... 7722        40733
                  3              @TheEconomist.. 1911        18634

【问题讨论】：

标签： python dataframe multi-index

【解决方案1】：

如果我理解正确，如果股票数据集中有同一日期的条目，您想按日期过滤 twitter 数据。

你可以用 isin() 做到这一点：

# convert datatypes first:
sortedTweetsData['Date'] = pd.to_datetime(sortedTweetsData['Date'])
TeslaData.index = pd.to_datetime(TeslaData.index)

# do filtering
df = sortedTweetsData[sortedTweetsData['Date'].isin(TeslaData.index.values)]

接下来，您可以确定每个组有多少条推文：

groupsizes = df.groupby(by='Date').size()

并使用它来构建元组列表，定义您的多索引（可能有更优雅的方法来做到这一点）：

tups = [(ix, gs + 1) for ix in groupsizes.index.values for gs in range(groupsizes[ix])]

终于：

df.index = pd.MultiIndex.from_tuples(tups, names=['Date', 'Number of Tweets'])

【讨论】：

Python 在这部分代码中给我一个“无效语法”的错误：tups = [(ix, gs + 1) for ix groupsizes.index.values for gs in range(groupsize[ix ])]。特别是在“groupsizes”中。
最后一个问题！此刻我觉得有点傻。我到底怎么才能得到框架中的真实数据？
我不明白。您想要答案中生成的 df 中的数据吗？
我从代码中得到的是一个空的数据框。如何获取数据？
好的，我认为这听起来像是数据类型冲突。（twitter 数据框中的日期与股票数据框中的日期具有不同的数据类型，因此 isin() 在任何地方都评估为 False，留下一个空数据框）。查看编辑。