Estoy haciendo algo mal con la fusión y no puedo entender de qué se trata. He hecho lo siguiente para calcular un histograma de una serie de valores enteros:Pandas: problemas para entender cómo funciona la fusión
import pandas as pnd
import numpy as np
series = pnd.Series(np.random.poisson(5, size = 100))
tmp = {"series" : series, "count" : np.ones(len(series))}
hist = pnd.DataFrame(tmp).groupby("series").sum()
freq = (hist/hist.sum()).rename(columns = {"count" : "freq"})
Si imprimo hist
y freq
esto es lo que me sale:
> print hist
count
series
0 2
1 4
2 13
3 15
4 12
5 16
6 18
7 7
8 8
9 3
10 1
11 1
> print freq
freq
series
0 0.02
1 0.04
2 0.13
3 0.15
4 0.12
5 0.16
6 0.18
7 0.07
8 0.08
9 0.03
10 0.01
11 0.01
Ambos están indexados por "series"
pero si trato de combinar:
> df = pnd.merge(freq, hist, on = "series")
recibo una excepción KeyError: 'no item named series'
. Si omito on = "series"
obtengo una excepción de IndexError: list index out of range
.
No entiendo lo que estoy haciendo mal. ¿Puede ser "serie" es un índice y no una columna, así que debo hacerlo de manera diferente?
¡Hora de mejorar el docstring de fusión! –
@WesMcKinney: Nice :) – Avaris