Concat () альтернативная группа по python3.0

Question

Моя цель здесь - объединить () чередующиеся группы между двумя кадрами данных.

желаемый результат:

 group  ordercode   quantity
0  A            1
    B           1
    C       1
    D          1
0   A          1
    B           3       

1   A           1
    B           2
    C           1
1  A        1
    B           1
    C           2

Мой кадр данных:

import pandas as pd
df1=pd.DataFrame([[0,"A",1],[0,"B",1],[0,"C",1],[0,"D",1],[1,"A",1],[1,"B",2],[1,"C",1]],columns=["group","ordercode","quantity"])
df2=pd.DataFrame([[0,"A",1],[0,"B",3],[1,"A",1],[1,"B",1],[1,"C",2]],columns=["group","ordercode","quantity"])
print(df1)
print(df2)

Я использовалdfff=pd.concat([df1,df2]).sort_index(kind="merge")

но я получил следующий результат:

    group   ordercode   quantity
0   0   A   1
0   0   A   1
1       B   1
1       B   3
2       C   1
3       D   1
4   1   A   1
4   1   A   1
5       B   2
5       B   1
6       C   1
6       C   2

Здесь вы можете видеть, что объединение формируется между каждой строкой, а не группой.Он должен печатать как

group 0 of df1 group0 of df2 group1 of df1 group1 of df2 и so on

Примечание. Я создал эти DataFrame с использованием функции groupby()

  df = pd.DataFrame(np.concatenate(df.apply(lambda x: [x[0]] * x[1], 1).as_matrix()), 
              columns=['ordercode'])
df['quantity'] = 1
df['group'] = sorted(list(range(0, len(df)//3, 1)) * 4)[0:len(df)]


df=df.groupby(['group', 'ordercode']).sum() 

Вопрос:

Где я ошибся?Сортировка по index

Я использовал .set_index("group"), но он тоже не работал.

Answer 1

Используйте cumcount для вспомогательного столбца, используемого для сортировки по sort_values:

df1['g'] = df1.groupby('ordercode').cumcount()
df2['g'] = df2.groupby('ordercode').cumcount()

dfff = pd.concat([df1,df2]).sort_values(['group','g']).reset_index(drop=True)
print (dfff)
    group ordercode  quantity  g
0       0         A         1  0
1       0         B         1  0
2       0         C         1  0
3       0         D         1  0
4       0         A         1  0
5       0         B         3  0
6       1         C         2  0
7       1         A         1  1
8       1         B         2  1
9       1         C         1  1
10      1         A         1  1
11      1         B         1  1

и последний столбец удаления:

dfff = dfff.drop('g', axis=1)