Python, объединяющий два кадра данных и группу

Question

Мне нужно вывести ожидаемый выше df3 путем слияния df & df1, и требуется статистика ниже:

Указано, что следует отметить при объединении: если значение отсутствует в «Desc1», следует выбрать значение из«Desc2»

1. Каждое имя карты и кросс-таблица каждой категории и процент от суммы, потраченной на каждую категорию.(т. е. сумма суммы каждой категории / общая сумма суммы для каждого имени карты
2. 2 верхние категории каждого имени карты в зависимости от потраченной суммы (все это должно быть сгруппировано по карте). Может помочь pls?Также предложите, какую дополнительную статистику мы можем получить из df3?

У меня есть 2 DF, как показано ниже:

df = pd.DataFrame({"Customer_no": ['1', '1', '1', '2', '2', '6', '7','8','9','10'],
      "Card_no": ['111', '222', '333', '444', '555', '666', '777','888','999','000'],
      "Card_name":['AAA','AAA','BBB','CCC','AAA','DDD','EEE','BBB','CCC','CCC'],
      "Group_code":['123','123','456','678','123','434','678','365','678','987'],
      "Amount":['100','240','450','212','432','123','543','567','232','453']})

Второй DF:

df1 = pd.DataFrame({"Group_code": ['123', '123','456', '678','678', '434', '987','421'],
                 "Desc1": ['Electrical', 'Electrical','Hardware', 'House', 'House', 'Car','','Toy'],
                "Desc2":['Electricals111','Electricals123','Hardware112','House232','House112',
                        'Car','Bike','Toy']})

Ожидаемый DF:

df3 = pd.DataFrame({"Customer_no": ['1', '1', '1', '2', '2', '6', '7','8','9','10'],
      "Card_no": ['111', '222', '333', '444', '555', '666', '777','888','999','000'],
      "Card_name":['AAA','AAA','BBB','CCC','AAA','DDD','EEE','BBB','CCC','CCC'],
      "Group_code":['123','123','456','678','123','434','678','365','678','987'],
      "Amount":['100','240','450','212','432','123','543','567','232','453'],
      "Category" :['Electrical','Electrical','Hardware','House','Electrical','Car','House','','House','Bike']})

Answer 1

df4 = pd.merge(df, df1[['Desc1','Group_code']].drop_duplicates(), how='left', on=['Group_code'])
df4=df4[['Amount','Card_name','Card_no','Desc1','Customer_no','Group_code']] # Reordering of column sequence
df4=df4.rename(columns={'Desc1':'Category'})
df4=df4.fillna({'Category':''})
df4
  Amount Card_name Card_no    Category Customer_no Group_code
0    100       AAA     111  Electrical           1        123
1    240       AAA     222  Electrical           1        123
2    450       BBB     333    Hardware           1        456
3    212       CCC     444       House           2        678
4    432       AAA     555  Electrical           2        123
5    123       DDD     666         Car           6        434
6    543       EEE     777       House           7        678
7    567       BBB     888                       8        365
8    232       CCC     999       House           9        678
9    453       CCC     000        Bike          10        987

Answer 2

Вы можете сначала присоединиться слева, а затем объединить столбцы, используя where

df3 = df.merge(df1, how='left')  # do the join
df3 = df3.rename(columns={"Desc1": "Category"})
df3 = df3.replace("", np.nan)  # replace empty strings
# if Category is NaN, replace with value from Desc2
df3["Category"] = df3["Category"].where(~df3["Category"].isna(), df3["Desc2"])  
df3 = df3.drop("Desc2", axis=1).drop_duplicates()  # drop Desc2

   Customer_no Card_no Card_name Group_code Amount    Category
0            1     111       AAA        123    100  Electrical
2            1     222       AAA        123    240  Electrical
4            1     333       BBB        456    450    Hardware
5            2     444       CCC        678    212       House
7            2     555       AAA        123    432  Electrical
9            6     666       DDD        434    123         Car
10           7     777       EEE        678    543       House
12           8     888       BBB        365    567         NaN
13           9     999       CCC        678    232       House
15          10     000       CCC        987    453        Bike