从其他两个DataFrame填充DataFrames

Question

我一直试图将两个数据文件中的信息合并到一个新的数据文件中，而没有运气。我搜索了很多次，但仍然找不到相关的答案，所以如果我在搜索中漏掉了，很抱歉。

在创建投资策略时，在大量货币(超过50种)中，我选择了每个日期(以top_n.csv)投资的前5种货币，以及它们在每个日期(以weights.csv)投资每种货币的百分比权重。

top_n.csv的厕所，如：

Date               0         1         2      3        4
Aug 12, 2016    bitcoin  ethereum   0        0        0
Aug 11, 2016    bitcoin  ethereum   ripple  steem     litecoin
Aug 10, 2016    bitcoin  ethereum   ripple  0         0
Aug 09, 2016    bitcoin  ethereum   steem   ripple    ethereum-classic

weights.csv的厕所，如：

Date               0      1        2      3       4
Aug 12, 2016    0.859   0.089   nan     nan     nan
Aug 11, 2016    0.856   0.092   0.020   0.016   0.016
Aug 10, 2016    0.853   0.093   0.020   nan     nan
Aug 09, 2016    0.858   0.086   0.020   0.020   0.017

我试图填充的DataFrame包含相同的日期(在索引中)，但是有许多列对应于一组更大的硬币(超过50枚)，就像在W.csv中一样。

是否有一种有效的方法(对于每个日期)对任何有任何货币的货币填充正确的权重，而将其他货币的权重设为0？棘手的部分是在没有足够的货币时处理日期(因此top_n.csv的货币少于n种货币，而weights.csv在各自的位置上有nans )。

W.csv的厕所，如：

Date        bitcoin ethereum    bitcoin-cash    ripple  litecoin    dash    neo nem monero  ethereum-classic    iota    qtum    omisego lisk    cardano zcash   bitconnect  tether  stellar    ....
Aug 12, 2016    0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0    ....
Aug 11, 2016    0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0    ....
Aug 10, 2016    0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0    ....
Aug 09, 2016    0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0    ....

我的目标是生成一个看起来类似于DataFrame的W_all_target，我附加了一个看起来不正确的W_all_target(我已经为这个问题手工编辑了它)。

我已经保存了三个指示性的CSV，因为它将有助于检查它们。https://drive.google.com/open?id=1olx9ARI0XP5mqbqF1pfRfJyl9wIEWyZj

我还在学习，所以我知道这可能是一个简单的问题。真诚的感谢！！

Answer 1

选项0

这是为了容纳零和nans。

dates = top_n.index.repeat(top_n.shape[1])
currs = top_n.values.ravel()
wghts = weights.values.ravel()
mask = currs != '0'

reshaped = pd.Series(wghts[mask], [dates[mask], currs[mask]]).unstack(fill_value=0)

W.update(reshaped)

选项1

reshaped = pd.concat([d.stack() for d in [top_n, weights]], axis=1) \
  .reset_index(1, drop=True).set_index(0, append=True)[1].unstack(fill_value=0)

reshaped

0           bitcoin  ethereum  ethereum-classic  litecoin  ripple  steem
Date                                                                    
2016-08-09    0.858     0.086             0.017     0.000    0.02  0.020
2016-08-10    0.853     0.093             0.000     0.016    0.02  0.018
2016-08-11    0.856     0.092             0.000     0.016    0.02  0.016
2016-08-12    0.859     0.089             0.000     0.016    0.02  0.015

选项2

reshaped = pd.Series(
    weights.values.ravel(),
    [top_n.index.repeat(top_n.shape[1]), top_n.values.ravel()]
).unstack(fill_value=0)

reshaped

            bitcoin  ethereum  ethereum-classic  litecoin  ripple  steem
Date                                                                    
2016-08-09    0.858     0.086             0.017     0.000    0.02  0.020
2016-08-10    0.853     0.093             0.000     0.016    0.02  0.018
2016-08-11    0.856     0.092             0.000     0.016    0.02  0.016
2016-08-12    0.859     0.089             0.000     0.016    0.02  0.015

然后，您应该能够用

W.update(reshaped)

W

            bitcoin  ethereum  bitcoin-cash  ripple  litecoin  dash  neo  nem  monero  ethereum-classic  iota  qtum  omisego  lisk  cardano  zcash  bitconnect  tether  stellar
Date                                                                                                                                                                           
2016-08-12    0.859     0.089             0    0.02     0.016     0    0    0       0             0.000     0     0        0     0        0      0           0       0        0
2016-08-11    0.856     0.092             0    0.02     0.016     0    0    0       0             0.000     0     0        0     0        0      0           0       0        0
2016-08-10    0.853     0.093             0    0.02     0.016     0    0    0       0             0.000     0     0        0     0        0      0           0       0        0
2016-08-09    0.858     0.086             0    0.02     0.000     0    0    0       0             0.017     0     0        0     0        0      0           0       0        0