Использование Merge для столбца и индекса в Pandas

У меня есть два отдельных кадра данных, которые разделяют номер проекта. В type_df номер проекта - это индекс. В time_df номер проекта - это столбец. Я хотел бы подсчитать количество строк в type_df, у которых есть Project Type of 2. Я пытаюсь сделать это с помощью pandas.merge(). Он отлично работает при использовании обоих столбцов, но не индексов. Я не уверен, как ссылаться на индекс, и если merge - это даже правильный способ сделать это.

import pandas as pd
type_df = pd.DataFrame(data = [['Type 1'], ['Type 2']], 
                       columns=['Project Type'], 
                       index=['Project2', 'Project1'])
time_df = pd.DataFrame(data = [['Project1', 13], ['Project1', 12], 
                               ['Project2', 41]], 
                       columns=['Project', 'Time'])
merged = pd.merge(time_df,type_df, on=[index,'Project'])
print merged[merged['Project Type'] == 'Type 2']['Project Type'].count()

Ошибка:

Имя "Индекс" не определено.

Требуемый выход:

Ответ 1

Если вы хотите использовать индекс в своем слиянии, вы должны указать left_index=True или right_index=True, а затем использовать left_on или right_on. Для вас это должно выглядеть примерно так:

merged = pd.merge(type_df, time_df, left_index=True, right_on='Project')

Ответ 2

У вас должен быть один и тот же столбец для каждого файла данных для объединения.

В этом случае просто создайте столбец "Проект" для type_df, затем слейте на него:

type_df['Project'] = type_df.index.values
merged = pd.merge(time_df,type_df, on='Project', how='inner')
merged
#    Project  Time Project Type
#0  Project1    13       Type 2
#1  Project1    12       Type 2
#2  Project2    41       Type 1

print merged[merged['Project Type'] == 'Type 2']['Project Type'].count()
2

Ответ 3

Другое решение - использовать DataFrame.join:

df3 = type_df.join(time_df, on='Project')

Для версии pandas 0.23.0+ параметры on, left_on и right_on теперь могут ссылаться либо на имена столбцов, либо на имена уровней индекса:

left_index = pd.Index(['K0', 'K0', 'K1', 'K2'], name='key1')
left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                     'key2': ['K0', 'K1', 'K0', 'K1']},
                    index=left_index)

right_index = pd.Index(['K0', 'K1', 'K2', 'K2'], name='key1')

right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
                     'D': ['D0', 'D1', 'D2', 'D3'],
                     'key2': ['K0', 'K0', 'K0', 'K1']},
                      index=right_index)

print (left)    
       A   B key2
key1             
K0    A0  B0   K0
K0    A1  B1   K1
K1    A2  B2   K0
K2    A3  B3   K1

print (right)
       C   D key2
key1             
K0    C0  D0   K0
K1    C1  D1   K0
K2    C2  D2   K0
K2    C3  D3   K1

df = left.merge(right, on=['key1', 'key2'])
print (df)
       A   B key2   C   D
key1                     
K0    A0  B0   K0  C0  D0
K1    A2  B2   K0  C1  D1
K2    A3  B3   K1  C3  D3