如何合并两个Pandas Series？分组聚合结果合并方案

问题背景 #

现有如下结构的DataFrame：

Date           Description Deposits Withdrawls Balance
0       21-Aug-2020    Cash        0.00     10612.14   53063.19
...     ...            ...         ...      ...        ...
1000000 15-Nov-2155    Cheque      0.00     12345.00   55511.00

执行两组分组聚合操作后得到两个Series：

• res1：按Date分组的Withdrawls均值

  Date
  2020-08-21  77189.019273
  ...
  2155-11-15  125627.741943
  Name: Withdrawls, Length: 49394, dtype: float64
  

• res2：按Date+Description分组的Withdrawls均值

  Date       Description
  2020-08-21 ATM          76862.370556
             Bill         44174.444545
             ...          ...
  2155-11-15 Purchase     95530.093750
             RTGS         306642.666000
             ...          ...
  Name: Withdrawls, Length: 650468, dtype: float64
  

需要将二者合并为指定格式：Type列空值对应res1的日期级均值，非空值（格式为Description="xxx"）对应res2的细分维度均值。

实现步骤 #

1. 转换并处理两个聚合结果 #

分别将res1和res2转为DataFrame，调整列结构以匹配目标格式：

处理res1（日期级聚合结果）

将Series转为DataFrame，重置索引后添加空值的Type列：

import pandas as pd

# 转换res1为DataFrame，重命名均值列为Avg
df_res1 = res1.reset_index(name='Avg')
# 给日期级结果设置空Type
df_res1['Type'] = ''

处理res2（日期+描述级聚合结果）

将多级索引的Series转为DataFrame，生成指定格式的Type列后删除冗余的Description列：

# 转换res2为DataFrame，重命名均值列为Avg
df_res2 = res2.reset_index(name='Avg')
# 生成指定格式的Type列
df_res2['Type'] = 'Description="' + df_res2['Description'] + '"'
# 删除不再需要的Description列
df_res2 = df_res2.drop('Description', axis=1)

2. 合并结果并整理 #

将两个处理后的DataFrame合并，按需排序：

# 合并两个DataFrame，忽略原有索引
final_df = pd.concat([df_res2, df_res1], ignore_index=True)
# 按Date排序（可选，根据需求调整）
final_df = final_df.sort_values(by='Date').reset_index(drop=True)

3. 扩展支持Min/Max列（可选） #

如果需要加入Min和Max列，只需在处理阶段对应添加即可：

# 假设已有res1_min、res1_max（按Date分组的Withdrawls最小/最大值）
df_res1['Min'] = res1_min.values
df_res1['Max'] = res1_max.values

# 假设已有res2_min、res2_max（按Date+Description分组的Withdrawls最小/最大值）
df_res2['Min'] = res2_min.values
df_res2['Max'] = res2_max.values

# 再执行合并操作
final_df = pd.concat([df_res2, df_res1], ignore_index=True).sort_values(by='Date').reset_index(drop=True)

最终得到的final_df即为符合要求的格式。

内容的提问来源于stack exchange，提问作者Asekeeewka