如何在具有重复日期时间的熊猫数据框上执行操作？

Question

例如，给定一个数据帧df1：

Date   Computers Syms 
2011-01-10 400.  1 
2011-01-10 500.  1 
2012-04-12 450.  1 

和变量log = some_df.loc[some_df.index, 'Cat'] 和price = df2.loc[:, log]， 我想计算

df1.loc[df1.index, syms] = price * log 

其中syms只是系列。当我尝试了上面的命令，我得到的错误：

ValueError: cannot reindex from a duplicate axis 

我应该如何设置的syms列值到表达式给出，有些指标是等同的？

的预期产出将

Date   syms1   syms2 
2011-01-10 price * log  price * log 
2011-01-10 price * log  price * log 
2012-04-12 price * log  price * log 

Answer 1

使用loc，您可以使用:来表示所有的轴，无论是指数或列。

df_trades.loc[:, 'syms'] = houses * cars 

df_trades 

     Date Computers syms 
0 2011-01-10  400 80000 
1 2011-01-10  500 80000 
2 2012-04-12  450 80000 

---

您还可以使用pd.DataFrame.assign产生一个副本，新列

df_trades.assign(syms=houses * cars) 

     Date Computers syms 
0 2011-01-10  400 80000 
1 2011-01-10  500 80000 
2 2012-04-12  450 80000 

---

如果syms是一系列列名的

syms = pd.Series(['syms1', 'syms2']) 

df_trades.assign(**dict((s, houses * cars) for s in syms)) 

     Date Computers syms1 syms2 
0 2011-01-10  400 80000 80000 
1 2011-01-10  500 80000 80000 
2 2012-04-12  450 80000 80000 

Answer 2

df ['Syms'] = 400 * 200 
df 
Out[189]: 
     Date Computers syms 
0 2011-01-10  400 80000 
1 2011-01-10  500 80000 
2 2012-04-12  450 80000 

---

编辑

syms=['sys1','sys2'] 
d = dict.fromkeys(syms, 200*400) 
df.assign(**d)