问题描述
我必须计算一个指标，该指标要求我从多个列中查找同一“用户”的属性。例如，我有两个数据框，如下所示：
calls_per_month.head(10)
user_id month call_date
0 1000 12 16
1 1001 8 27
2 1001 9 49
3 1001 10 65
4 1001 11 64
5 1001 12 56
6 1002 10 11
7 1002 11 55
8 1002 12 47
9 1003 12 149
internet_per_month.head(10)
user_id session_date mb_used
0 1000 12 2000.0
1 1001 8 7000.0
2 1001 9 14000.0
3 1001 10 23000.0
4 1001 11 19000.0
5 1001 12 20000.0
6 1002 10 7000.0
7 1002 11 20000.0
8 1002 12 15000.0
9 1003 12 28000.0
我想计算一个指标，对于每个使用互联网或打过电话的用户，每个月的user_id如下所示： `usage = mb_used + call_date' 这将是一列，看起来像（我已经完成了手工计算）：
user_id month usage
0 1000 12 2016
1 1001 8 7027
2 1001 9 14049
3 1001 10 23065
4 1001 11 19064
5 1001 12 20056
6 1002 10 7011
7 1002 11 20055
8 1002 12 15047
9 1003 12 28149
我在上面显示的标题的标题没有显示，但是有些用户在特定月份没有拨打电话，但是使用了数据，因此我必须考虑到这一点，在某种意义上，它不应忽略那些用户，然后为不可用的数据添加0。
我应该首先对表进行外部联接吗？还是创建新表不是正确的方法？任何指导表示赞赏。
谢谢
解决方法
您应该先合并或加入这些对象，然后再进行操作。在这里，我正在left join上进行internet_per_month（以及对fillna的调用）；如果可能有人打电话而不是互联网，则最好使用外部加入。
df = pd.merge(
left=internet_per_month,right=calls_per_month,how="left",left_on=["user_id","session_date"],right_on=["user_id","month"],)
df.fillna(0)
df["usage"] = df["mb_used"] + df["call_date"]
输出：
user_id month call_date session_date mb_used usage
0 1000 12 16 12 2000.0 2016.0
1 1001 8 27 8 7000.0 7027.0
2 1001 9 49 9 14000.0 14049.0
3 1001 10 65 10 23000.0 23065.0
4 1001 11 64 11 19000.0 19064.0
5 1001 12 56 12 20000.0 20056.0
6 1002 10 11 10 7000.0 7011.0
7 1002 11 55 11 20000.0 20055.0
8 1002 12 47 12 15000.0 15047.0
9 1003 12 149 12 28000.0 28149.0