Создание столбца на основе индекса из другого df

У меня есть имена команд, перечисленные в виде индекса в одном фрейме данных, и я хочу создать столбцы в другом df на основе сопоставления столбца с пометками «Сезон» и «Дом». В итоговой колонке будет указано общее количество звезд в этой команде за этот сезон.

        2012-13 2013-14 2014-15 2015-16 2016-17
Cleveland Cavaliers 1   1   2   1   3
Los Angeles Lakers  2   1   1   1   0
Miami Heat          3   3   2   2   1
Chicago Bulls       2   1   2   2   1

df Я хочу добавить, как выглядит

          Date             Visitor  V_PTS                 Home          H_PTS  \
0 2012-10-30 19:00:00  Washington Wizards     84  Cleveland Cavaliers     94   
1 2012-10-30 19:30:00    Dallas Mavericks     99   Los Angeles Lakers     91   
2 2012-10-30 20:00:00      Boston Celtics    107           Miami Heat    120   
3 2012-10-31 19:00:00    Dallas Mavericks     94            Utah Jazz    113   

   Attendance                    Arena                 Location  Capacity  \
0       20562      Quicken Loans Arena          Cleveland, Ohio     20562   
1       18997           Staples Center  Los Angeles, California     18997   
2       20296  American Airlines Arena           Miami, Florida     19600   
3       17634  Vivint Smart Home Arena     Salt Lake City, Utah     18303   

  Yr Arena Opened   Season  
0            1994  2012-13  
1            1992  2012-13  
2            1999  2012-13  
3            1991  2012-13

Не слишком знаком с внутренними / внешними соединениями, что, кажется, является тем, что я нашел, как подойти к этой проблеме.

пытался поиграть с таким кодом, но я просто пытаюсь получить столбец, в котором говорится, что H_Allstars и V_Allstars для конкретного сезона не перечисляют их все.

allstar = pd.merge(nba, allstar_df, right_index = True, left_on=['Home'])

                 Date             Visitor  V_PTS                 Home  H_PTS  \
0 2012-10-30 19:00:00  Washington Wizards     84  Cleveland Cavaliers     94   
1 2012-11-02 19:30:00       Chicago Bulls    115  Cleveland Cavaliers     86   
2 2012-11-17 19:30:00    Dallas Mavericks    103  Cleveland Cavaliers     95   
3 2012-11-21 19:00:00  Philadelphia 76ers     83  Cleveland Cavaliers     92   
4 2012-11-27 19:00:00        Phoenix Suns     91  Cleveland Cavaliers     78   

   Attendance                Arena         Location  Capacity Yr Arena Opened  \
0       20562  Quicken Loans Arena  Cleveland, Ohio     20562            1994   
1       20562  Quicken Loans Arena  Cleveland, Ohio     20562            1994   
2       18633  Quicken Loans Arena  Cleveland, Ohio     20562            1994   
3       16743  Quicken Loans Arena  Cleveland, Ohio     20562            1994   
4       13687  Quicken Loans Arena  Cleveland, Ohio     20562            1994   

    Season  2012-13  2013-14  2014-15  2015-16  2016-17  
0  2012-13        1        1        2        1        3  
1  2012-13        1        1        2        1        3  
2  2012-13        1        1        2        1        3  
3  2012-13        1        1        2        1        3  
4  2012-13        1        1        2        1        3 

Можете ли вы лучше отформатировать второй фрейм данных? Из-за форматирования очень сложно читать / выравнивать. Я бы посоветовал вам распечатать df.head() и редактировать ваш вопрос с тем, что вы найдете.

jpp 02.05.2018 01:08

Хорошо, немного погуглил, я смог распечатать его как таковой с помощью% qtconsole, что, я считаю, именно то, что вы имели в виду, говоря о лучшем форматировании. Спасибо за совет!

stretchy 02.05.2018 01:21
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
48
0

Другие вопросы по теме