将熊猫数据框与计算合并

Question

我有几个 Pandas 数据框。

DF A：

<头>

id	日期	平均	计数
1	27/06/2021	10	5
1	28/06/2021	12	4

DF B：

<头>

id	日期	平均	计数
1	27/06/2021	8	5
1	28/06/2021	6	6
1	29/06/2021	11	10
2	27/06/2021	3	10
2	28/06/2021	3	10

基本上，这些是从各种大数据源聚合的中间表的简化。如何合并这些数据框，以便 id+date 的平均值是正确的（即它是 (avg1 * count1 + avg2 * count2)/(count1 + count2)）

上面两个的预期DF应该是这样的：

<头>

id	日期	平均	计数
1	27/06/2021	9	10
1	28/06/2021	8.4	10
1	29/06/2021	11	10
2	27/06/2021	3	10
2	28/06/2021	3	10

谢谢。

Answer 1

你可以这样做

s = pd.concat([df1,df2])
cnt = s.groupby(['id','date'])['count'].sum()
amount =  (s['avg']*s['count']).groupby([s['id'],s['date']]).sum()/cnt
amount.name='avg'
out = pd.concat([cnt,amount],axis=1).reset_index()
out
Out[34]: 
   id        date  count   avg
0   1  27/06/2021     10   9.0
1   1  28/06/2021     10   8.4
2   1  29/06/2021     10  11.0
3   2  27/06/2021     10   3.0
4   2  28/06/2021     10   3.0

Answer 2

另一种方式：

out=df1.merge(df2,on=['id','date'],suffixes=('_1','_2'),how='left'))

现在开始计算：

out['avg']=out.eval("(avg_1*count_1+avg_2*count_2)/(count_1+count_2)")
out['count']=out.eval("count_1+count_2")
out=out.drop(out.filter(like='_').columns,1)

最后：

df2.update(out)