Pandas: Zusammenführen von Datenrahmen basierend auf mehreren Ebenen Erste Vorkommen

Question

Ich versuche, einen großen Datenrahmen mit einem kleinen Datenrahmen auf der Grundlage der ersten Vorkommen eines Paares von Kriterien (month und num) zusammenzuführen.

Ich habe lebensfähigen Code zusammengeschustert (tatsächliche/gewünschte Ausgabe unten), aber es scheint, dass es viel effizienter sein könnte.

Meine Frage ist - fehle ich eine wesentlich einfachere Möglichkeit, dies zu tun?

Setup:

import pandas as pd 

m = [1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2] 
n = [1,1,1,20,20,300,300,20,20,1,1,1,20,300,20,1,1,1,20,20,300,300,300,20,20,1,1] 
df = pd.DataFrame({'month':m, 'num':n, 'x':0}) 

m2 = [1,1,1,2,2,2] 
n2 = [1,20,300,1,20,300] 
s2 = [11,222,3333,44,555,6666] 
df2 = pd.DataFrame({'month':m2, 'num':n2, 'sum':s2}) 

Aktueller Code:

dfx = pd.DataFrame(df.groupby(['month','num'])['x'].idxmax()) 
dfx.rename(columns = {'x':'find'}, inplace = True) 

df2.set_index(['month','num'], inplace = True) 
df2 = pd.merge(df2, dfx, left_index = True, right_index = True) 

df = df.merge(df2, left_index = True, right_on = 'find', how = 'left') 
df = df.drop(['find','x'], axis = 1).reset_index(drop = True).fillna(0) 

Ausgang:

month num  sum 
0  1 1 11.0 
1  1 1  0.0 
2  1 1  0.0 
3  1 20 222.0 
4  1 20  0.0 
5  1 300 3333.0 
6  1 300  0.0 
7  1 20  0.0 
8  1 20  0.0 
9  1 1  0.0 
10  1 1  0.0 
11  1 1  0.0 
12  1 20  0.0 
13  1 300  0.0 
14  1 20  0.0 
15  1 1  0.0 
16  2 1 44.0 
17  2 1  0.0 
18  2 20 555.0 
19  2 20  0.0 
20  2 300 6666.0 
21  2 300  0.0 
22  2 300  0.0 
23  2 20  0.0 
24  2 20  0.0 
25  2 1  0.0 
26  2 1  0.0 

Answer 1

Wenn ich richtig verstehe, ca Sie n Sie eine regelmäßige merge zwischen zwei Datenrahmen, dann kombinieren loc und duplicated auf Null aus nicht-erste Vorkommen:

df3 = df.merge(df2, how='left', on=['month', 'num']) 
df3.loc[df3.duplicated(subset=['month', 'num']), 'sum'] = 0 

Die resultierende Ausgabe:

month num sum 
0  1 1 11 
1  1 1  0 
2  1 1  0 
3  1 20 222 
4  1 20  0 
5  1 300 3333 
6  1 300  0 
7  1 20  0 
8  1 20  0 
9  1 1  0 
10  1 1  0 
11  1 1  0 
12  1 20  0 
13  1 300  0 
14  1 20  0 
15  1 1  0 
16  2 1 44 
17  2 1  0 
18  2 20 555 
19  2 20  0 
20  2 300 6666 
21  2 300  0 
22  2 300  0 
23  2 20  0 
24  2 20  0 
25  2 1  0 
26  2 1  0