I'm getting a weird problem after hours of trying to figure out how to merge correcting.
Assuming two dataframes:
financials_Balance_Sheet_yearly.loc[financials_Balance_Sheet_yearly.ticker == 'AAPL.US']
Unnamed: 0 ticker date filing_date currency_symbol totalassets intangibleassets earningassets othercurrentassets totalliab totalstockholderequity deferredlongtermliab othercurrentliab commonstock retainedearnings otherliab goodwill otherassets cash totalcurrentliabilities shorttermdebt shortlongtermdebt shortlongtermdebttotal otherstockholderequity propertyplantequipment totalcurrentassets longterminvestments nettangibleassets shortterminvestments netreceivables longtermdebt inventory accountspayable totalpermanentequity noncontrollinginterestinconsolidatedentity temporaryequityredeemablenoncontrollinginterests accumulatedothercomprehensiveincome additionalpaidincapital commonstocktotalequity preferredstocktotalequity retainedearningstotalequity treasurystock accumulatedamortization noncurrrentassetsother deferredlongtermassetcharges noncurrentassetstotal capitalleaseobligations longtermdebttotal noncurrentliabilitiesother noncurrentliabilitiestotal negativegoodwill warrants preferredstockredeemable capitalsurpluse liabilitiesandstockholdersequity cashandshortterminvestments propertyplantandequipmentgross accumulateddepreciation commonstocksharesoutstanding networkingcapital netdebt netinvestedcapital freecashflow changeinworkingcapital
128270 128270 AAPL.US 2019-09-30 2019-10-31 USD 3.385160e+11 NaN NaN 1.235200e+10 2.480280e+11 9.048800e+10 NaN 4.324200e+10 4.517400e+10 4.589800e+10 5.050300e+10 NaN 3.297800e+10 4.884400e+10 1.057180e+11 1.624000e+10 1.624000e+10 1.080470e+11 -5.840000e+08 3.737800e+10 1.628190e+11 1.053410e+11 9.048800e+10 5.171300e+10 4.580400e+10 9.180700e+10 4.106000e+09 4.623600e+10 NaN NaN NaN -5.840000e+08 NaN 4.517400e+10 NaN 4.589800e+10 NaN NaN 3.297800e+10 NaN 1.756970e+11 NaN 9.180700e+10 5.050300e+10 1.423100e+11 NaN NaN NaN NaN 3.385160e+11 1.005570e+11 3.737800e+10 NaN 1.859565e+10 5.710100e+10 5.920300e+10 1.985350e+11 NaN NaN
128288 128288 AAPL.US 2018-09-30 2018-11-05 USD 3.657250e+11 NaN NaN 1.208700e+10 2.585780e+11 1.071470e+11 2.797000e+09 4.023000e+10 4.020100e+10 7.040000e+10 4.891400e+10 NaN 2.228300e+10 2.591300e+10 1.168660e+11 2.074800e+10 2.074800e+10 1.144830e+11 -3.454000e+09 4.130400e+10 1.313390e+11 1.707990e+11 1.071470e+11 4.038800e+10 4.899500e+10 9.373500e+10 3.956000e+09 5.588800e+10 NaN NaN NaN -3.454000e+09 NaN 4.020100e+10 NaN 7.040000e+10 NaN NaN 2.228300e+10 NaN 2.343860e+11 NaN 9.373500e+10 4.518000e+10 1.417120e+11 NaN NaN NaN NaN 3.657250e+11 6.630100e+10 4.130400e+10 NaN 2.000044e+10 1.447300e+10 8.857000e+10 2.216300e+11 NaN NaN
128311 128311 AAPL.US 2017-09-30 2017-11-03 USD 3.753190e+11 2.298000e+09 NaN 1.393600e+10 2.412720e+11 1.340470e+11 2.836000e+09 7.548000e+09 3.586700e+10 9.833000e+10 4.325100e+10 5.717000e+09 1.817700e+10 2.028900e+10 1.008140e+11 1.847300e+10 1.847300e+10 1.156800e+11 -1.500000e+08 3.378300e+10 1.286450e+11 1.947140e+11 1.260320e+11 5.389200e+10 3.567300e+10 9.720700e+10 4.855000e+09 7.479300e+10 0.0 0.0 0.0 -1.500000e+08 0.0 3.586700e+10 0.0 9.833000e+10 0.0 NaN 1.016200e+10 NaN 2.466740e+11 NaN 9.720700e+10 4.041500e+10 1.404580e+11 NaN NaN NaN NaN 3.753190e+11 7.418100e+10 3.378300e+10 NaN 2.100677e+10 2.783100e+10 9.539100e+10 2.497270e+11 NaN NaN
128337 128337 AAPL.US 2016-09-30 2016-10-26 USD 3.216860e+11 3.206000e+09 NaN 8.283000e+09 1.934370e+11 1.282490e+11 2.930000e+09 8.080000e+09 3.125100e+10 9.636400e+10 3.900400e+10 5.414000e+09 8.757000e+09 2.048400e+10 7.900600e+10 1.160500e+10 1.160500e+10 8.703200e+10 6.340000e+08 2.701000e+10 1.068690e+11 1.704300e+11 1.196290e+11 4.667100e+10 1.575400e+10 7.542700e+10 2.132000e+09 5.932100e+10 NaN NaN NaN 6.340000e+08 NaN 3.125100e+10 NaN 9.636400e+10 NaN NaN -1.726200e+10 NaN 2.148170e+11 NaN 7.542700e+10 3.607400e+10 1.144310e+11 NaN NaN NaN NaN 3.216860e+11 6.715500e+10 2.701000e+10 NaN 2.200112e+10 NaN 6.654800e+10 NaN NaN NaN
128386 128386 AAPL.US 2014-09-30 2014-10-27 USD 2.318390e+11 4.142000e+09 NaN 9.806000e+09 1.202920e+11 1.115470e+11 3.031000e+09 8.491000e+09 2.331300e+10 8.715200e+10 7.598000e+09 4.616000e+09 3.764000e+09 1.384400e+10 6.344800e+10 6.308000e+09 3.529500e+10 3.529500e+10 1.082000e+09 2.062400e+10 6.853100e+10 1.301620e+11 1.027890e+11 1.123300e+10 1.746000e+10 2.898700e+10 2.111000e+09 4.864900e+10 0.0 0.0 0.0 1.082000e+09 0.0 2.331300e+10 0.0 8.715200e+10 0.0 NaN -1.649500e+10 NaN 1.633080e+11 NaN 2.898700e+10 2.482600e+10 5.684400e+10 NaN NaN NaN NaN 2.318390e+11 2.507700e+10 2.062400e+10 NaN 2.449065e+10 NaN 2.145100e+10 NaN NaN NaN
128413 128413 AAPL.US 2013-09-30 2013-10-30 USD 2.070000e+11 4.179000e+09 NaN 6.882000e+09 8.345100e+10 1.235490e+11 2.625000e+09 7.435000e+09 1.976400e+10 1.042560e+11 6.344000e+09 1.577000e+09 5.146000e+09 1.425900e+10 4.365800e+10 NaN NaN 1.696000e+10 -4.710000e+08 1.659700e+10 7.328600e+10 1.062150e+11 1.177930e+11 2.628700e+10 1.310200e+10 1.696000e+10 1.764000e+09 3.622300e+10 0.0 0.0 0.0 -4.710000e+08 0.0 1.976400e+10 0.0 1.042560e+11 0.0 NaN -1.134300e+10 NaN 1.337140e+11 NaN 1.696000e+10 2.020800e+10 3.979300e+10 NaN NaN NaN NaN 2.070000e+11 4.054600e+10 1.659700e+10 NaN 2.608654e+10 NaN 2.701000e+09 NaN NaN NaN
128450 128450 AAPL.US 2012-09-30 2012-10-31 USD 1.760640e+11 4.224000e+09 NaN 6.458000e+09 5.785400e+10 1.182100e+11 2.648000e+09 5.953000e+09 1.642200e+10 1.012890e+11 5.465000e+09 1.135000e+09 5.478000e+09 1.074600e+10 3.854200e+10 NaN NaN NaN 4.990000e+08 1.545200e+10 5.765300e+10 9.212200e+10 1.128510e+11 1.838300e+10 1.093000e+10 0.000000e+00 7.910000e+08 3.258900e+10 0.0 0.0 0.0 4.990000e+08 0.0 1.642200e+10 0.0 1.012890e+11 0.0 NaN -8.369000e+09 NaN 1.184110e+11 NaN NaN 1.666400e+10 1.931200e+10 NaN NaN NaN NaN 1.760640e+11 2.912900e+10 1.545200e+10 NaN 2.646994e+10 NaN -1.074600e+10 NaN NaN NaN
128453 128453 AAPL.US 2011-09-30 2011-10-26 USD 1.163710e+11 3.536000e+09 NaN 4.529000e+09 3.975600e+10 7.661500e+10 1.686000e+09 4.091000e+09 1.333100e+10 6.284100e+10 3.627000e+09 8.960000e+08 3.556000e+09 9.815000e+09 2.797000e+10 NaN NaN NaN 4.430000e+08 7.777000e+09 4.498800e+10 5.561800e+10 7.218300e+10 1.613700e+10 5.369000e+09 0.000000e+00 7.760000e+08 2.387900e+10 0.0 0.0 0.0 4.430000e+08 0.0 1.333100e+10 0.0 6.284100e+10 0.0 NaN -4.603000e+09 NaN 7.138300e+10 NaN NaN 1.010000e+10 1.178600e+10 NaN NaN NaN NaN 1.163710e+11 2.595200e+10 7.777000e+09 NaN 2.622606e+10 NaN -9.815000e+09 NaN NaN NaN
128514 128514 AAPL.US 2010-09-30 2010-10-27 USD 7.518300e+10 3.420000e+08 NaN 3.447000e+09 2.739200e+10 4.779100e+10 1.139000e+09 2.984000e+09 1.066800e+10 3.716900e+10 2.370000e+09 7.410000e+08 2.263000e+09 1.126100e+10 2.072200e+10 NaN NaN NaN -4.600000e+07 4.768000e+09 4.167800e+10 2.539100e+10 4.670800e+10 1.435900e+10 5.510000e+09 0.000000e+00 1.051000e+09 1.773800e+10 0.0 0.0 0.0 -4.600000e+07 0.0 1.066800e+10 0.0 3.716900e+10 0.0 NaN -2.037000e+09 NaN 3.350500e+10 NaN NaN 5.531000e+09 6.670000e+09 NaN NaN NaN NaN 7.518300e+10 2.562000e+10 4.768000e+09 NaN 2.589194e+10 NaN -1.126100e+10 NaN NaN NaN
128550 128550 AAPL.US 2008-09-30 2008-11-05 USD 3.957200e+10 3.520000e+08 NaN 4.987000e+09 1.854200e+10 2.103000e+10 NaN 8.572000e+09 7.177000e+09 1.384500e+10 3.775000e+09 2.070000e+08 1.868000e+09 1.187500e+10 1.409200e+10 NaN NaN NaN NaN 2.455000e+09 3.469000e+10 NaN NaN 1.261500e+10 2.422000e+09 NaN 5.090000e+08 5.520000e+09 NaN NaN NaN 8.000000e+06 NaN 7.177000e+09 NaN NaN NaN NaN 1.193000e+09 NaN 4.882000e+09 NaN NaN NaN 4.450000e+09 NaN NaN NaN NaN 3.957200e+10 NaN 2.455000e+09 NaN 2.525989e+10 NaN -1.187500e+10 NaN NaN NaN
128581 128581 AAPL.US 2006-09-30 2006-12-29 USD 1.720500e+10 1.390000e+08 NaN 1.284000e+09 7.221000e+09 9.984000e+09 NaN 3.081000e+09 4.355000e+09 5.607000e+09 3.690000e+08 3.800000e+07 1.217000e+09 6.392000e+09 6.471000e+09 NaN NaN NaN NaN 1.281000e+09 1.450900e+10 NaN NaN 3.718000e+09 1.252000e+09 NaN 2.700000e+08 3.390000e+09 NaN NaN NaN 2.200000e+07 NaN 4.355000e+09 NaN NaN NaN NaN 1.238000e+09 NaN 2.696000e+09 NaN NaN NaN 7.500000e+08 NaN NaN NaN NaN 1.720500e+10 NaN 1.281000e+09 NaN 2.457073e+10 NaN -6.392000e+09 NaN NaN NaN
128588 128588 AAPL.US 2005-09-30 2005-12-01 USD 1.155100e+10 6.500000e+07 NaN 5.620000e+08 4.085000e+09 7.466000e+09 NaN 1.705000e+09 3.521000e+09 4.005000e+09 2.930000e+08 6.900000e+07 3.000000e+08 3.491000e+09 3.484000e+09 NaN NaN NaN NaN 8.170000e+08 1.030000e+10 NaN NaN 4.770000e+09 8.950000e+08 NaN 1.650000e+08 1.779000e+09 NaN NaN NaN -6.640000e+08 NaN 3.521000e+09 NaN NaN NaN NaN -8.000000e+06 NaN 1.251000e+09 NaN NaN NaN 6.010000e+08 NaN NaN NaN NaN 1.155100e+10 NaN 8.170000e+08 NaN 2.398984e+10 NaN -3.491000e+09 NaN NaN NaN
128610 128610 AAPL.US 2004-09-30 2004-12-03 USD 8.050000e+09 4.200000e+07 NaN 4.400000e+08 2.974000e+09 5.076000e+09 NaN 1.229000e+09 2.514000e+09 2.670000e+09 2.940000e+08 8.000000e+07 1.896000e+08 2.969000e+09 2.680000e+09 NaN NaN NaN NaN 7.070000e+08 7.055000e+09 NaN NaN 2.495000e+09 7.740000e+08 NaN 1.010000e+08 1.451000e+09 NaN NaN NaN -1.500000e+07 NaN 2.514000e+09 NaN NaN NaN NaN -1.280000e+08 NaN 9.950000e+08 NaN NaN NaN 2.940000e+08 NaN NaN NaN NaN 8.050000e+09 NaN 7.070000e+08 NaN 2.168942e+10 NaN -2.969000e+09 NaN NaN NaN
128621 128621 AAPL.US 2002-09-30 2002-12-19 USD 6.298000e+09 3.400000e+07 NaN 4.410000e+08 2.203000e+09 4.095000e+09 NaN 7.470000e+08 1.826000e+09 2.325000e+09 NaN 8.500000e+07 1.700000e+08 2.252000e+09 1.658000e+09 NaN NaN 3.160000e+08 NaN 6.210000e+08 5.388000e+09 NaN NaN 2.085000e+09 5.650000e+08 3.160000e+08 4.500000e+07 9.110000e+08 NaN NaN NaN -5.600000e+07 NaN 1.826000e+09 NaN NaN NaN NaN -9.800000e+07 NaN 9.100000e+08 NaN NaN NaN 5.450000e+08 NaN NaN NaN NaN 6.298000e+09 NaN 6.210000e+08 NaN 2.025996e+10 NaN -1.936000e+09 NaN NaN NaN
128670 128670 AAPL.US 2001-09-30 2001-12-21 USD 6.021000e+09 1.000000e+07 NaN 3.300000e+08 2.101000e+09 3.920000e+09 NaN 7.170000e+08 1.693000e+09 2.260000e+09 NaN 6.600000e+07 3.140000e+08 2.310000e+09 1.518000e+09 NaN NaN 3.170000e+08 NaN 5.640000e+08 5.143000e+09 NaN NaN 2.026000e+09 4.660000e+08 3.170000e+08 1.100000e+07 8.010000e+08 NaN NaN NaN -3.300000e+07 NaN 1.693000e+09 NaN NaN NaN NaN -1.560000e+08 NaN 8.780000e+08 NaN NaN NaN 5.830000e+08 NaN NaN NaN NaN 6.021000e+09 NaN 5.640000e+08 NaN 1.935433e+10 NaN -1.993000e+09 NaN NaN NaN
128684 128684 AAPL.US 1999-09-30 1999-12-22 NaN 5.161000e+09 NaN NaN NaN 2.057000e+09 NaN NaN NaN NaN 1.499000e+09 NaN NaN NaN 1.326000e+09 1.549000e+09 NaN NaN 3.000000e+08 NaN NaN 4.285000e+09 NaN NaN 1.900000e+09 6.810000e+08 NaN 2.000000e+07 NaN NaN NaN NaN 1.060000e+08 NaN 1.349000e+09 NaN NaN NaN NaN 1.100000e+07 NaN 8.760000e+08 NaN NaN NaN 5.080000e+08 NaN NaN NaN NaN 5.161000e+09 NaN 3.180000e+08 NaN 1.950637e+10 NaN -1.026000e+09 NaN NaN NaN
128694 128694 AAPL.US 2000-09-30 2000-12-14 USD 6.803000e+09 NaN NaN 4.140000e+08 2.696000e+09 4.107000e+09 NaN 7.760000e+08 1.502000e+09 2.285000e+09 NaN NaN 1.063000e+09 1.191000e+09 1.933000e+09 NaN NaN 3.000000e+08 NaN 3.130000e+08 5.427000e+09 NaN NaN 2.836000e+09 9.530000e+08 3.000000e+08 3.300000e+07 1.157000e+09 NaN NaN NaN -3.870000e+08 NaN 1.502000e+09 76000000.0 NaN NaN NaN 1.063000e+09 NaN 1.376000e+09 NaN NaN NaN 7.630000e+08 NaN NaN NaN NaN 6.803000e+09 NaN 3.130000e+08 NaN 2.017814e+10 NaN -8.910000e+08 NaN NaN NaN
128698 128698 AAPL.US 1998-09-30 1998-09-25 NaN 4.289000e+09 NaN NaN NaN 2.647000e+09 NaN NaN NaN NaN 8.980000e+08 NaN NaN NaN 1.481000e+09 1.520000e+09 NaN NaN 9.540000e+08 NaN NaN 3.698000e+09 NaN NaN 8.190000e+08 9.550000e+08 NaN 7.800000e+07 NaN NaN NaN NaN -3.900000e+07 NaN 6.330000e+08 NaN NaN NaN NaN 7.000000e+07 NaN 5.910000e+08 NaN NaN NaN 1.127000e+09 NaN NaN NaN NaN 4.289000e+09 NaN 3.480000e+08 NaN 1.880670e+10 NaN -5.270000e+08 NaN NaN NaN
128713 128713 AAPL.US 1996-09-30 1996-12-19 NaN 5.364000e+09 NaN NaN NaN 3.306000e+09 NaN NaN NaN NaN 1.634000e+09 NaN NaN NaN 1.552000e+09 2.003000e+09 1.860000e+08 NaN 1.135000e+09 NaN NaN 4.515000e+09 NaN NaN 1.930000e+08 1.496000e+09 NaN 6.620000e+08 NaN NaN NaN NaN -3.000000e+07 NaN 4.390000e+08 NaN NaN NaN NaN -1.030000e+08 NaN 8.490000e+08 NaN NaN NaN 1.303000e+09 NaN NaN NaN NaN 5.364000e+09 NaN 5.980000e+08 NaN 1.385821e+10 NaN -4.170000e+08 NaN NaN NaN
128720 128720 AAPL.US 1994-09-30 1994-12-13 NaN 5.302746e+09 NaN NaN NaN 2.919445e+09 NaN NaN NaN NaN 2.096206e+09 NaN NaN NaN 1.203488e+09 1.944305e+09 2.922000e+08 NaN 5.962000e+08 NaN NaN 4.476452e+09 NaN NaN 5.436800e+07 1.581347e+09 NaN 1.088434e+09 NaN NaN NaN NaN -7.850880e+08 NaN 2.979290e+08 NaN NaN NaN NaN 1.591940e+08 NaN 8.262940e+08 NaN NaN NaN 9.751400e+08 NaN NaN NaN NaN 5.302746e+09 NaN 6.671000e+08 NaN 1.330672e+10 NaN -6.072880e+08 NaN NaN NaN
128748 128748 AAPL.US 1992-09-30 1992-09-30 NaN 4.223700e+09 NaN NaN NaN 2.036300e+09 NaN NaN NaN NaN 1.904500e+09 NaN NaN NaN 4.986000e+08 1.425500e+09 1.845000e+08 NaN 1.845000e+08 NaN NaN 3.558400e+09 NaN NaN NaN 1.087200e+09 NaN 5.801000e+08 NaN NaN NaN NaN -6.734000e+08 NaN NaN NaN NaN NaN NaN 2.031000e+08 NaN 6.653000e+08 NaN NaN NaN 6.108000e+08 NaN NaN NaN NaN 4.223700e+09 NaN 4.622000e+08 NaN 1.368774e+10 NaN -3.141000e+08 NaN NaN NaN
128753 128753 AAPL.US 1991-09-30 1991-09-30 NaN 3.493600e+09 NaN NaN NaN 1.726900e+09 NaN NaN NaN NaN 1.492000e+09 NaN NaN NaN 6.041000e+08 1.217100e+09 1.486000e+08 NaN 1.486000e+08 NaN NaN 2.863600e+09 NaN NaN NaN 9.072000e+08 NaN 6.717000e+08 NaN NaN NaN NaN -5.880000e+08 NaN NaN NaN NaN NaN NaN 1.820000e+08 NaN 6.300000e+08 NaN NaN NaN 5.098000e+08 NaN NaN NaN NaN 3.493600e+09 NaN 4.480000e+08 NaN 1.344868e+10 NaN -4.555000e+08 NaN NaN NaN
128765 128765 AAPL.US 1990-09-30 1990-09-30 NaN 2.975700e+09 NaN NaN NaN 1.528900e+09 NaN NaN NaN NaN 1.312200e+09 NaN NaN NaN 3.747000e+08 1.027000e+09 1.226000e+08 NaN 1.226000e+08 NaN NaN 2.403300e+09 NaN NaN NaN 7.619000e+08 NaN 3.555000e+08 NaN NaN NaN NaN -4.467000e+08 NaN NaN NaN NaN NaN NaN 1.742000e+08 NaN 5.724000e+08 NaN NaN NaN 5.019000e+08 NaN NaN NaN NaN 2.975700e+09 NaN 3.982000e+08 NaN 1.407111e+10 NaN -2.521000e+08 NaN NaN NaN
128805 128805 AAPL.US 1988-09-30 1988-09-30 NaN 2.082100e+09 NaN NaN NaN 1.078700e+09 NaN NaN NaN NaN 7.765000e+08 NaN NaN NaN 5.457000e+08 8.271000e+08 1.279000e+08 NaN 3.150000e+08 NaN NaN 1.783000e+09 NaN NaN NaN 6.388000e+08 NaN 4.615000e+08 NaN NaN NaN NaN -2.130000e+08 NaN NaN NaN NaN NaN NaN 9.170000e+07 NaN 2.991000e+08 NaN NaN NaN 2.516000e+08 NaN NaN NaN NaN 2.082100e+09 NaN 2.074000e+08 NaN 1.455636e+10 NaN -2.307000e+08 NaN NaN NaN
128810 128810 AAPL.US 1989-09-30 1989-09-30 NaN 2.743900e+09 NaN NaN NaN 1.258200e+09 NaN NaN NaN NaN 1.175900e+09 NaN NaN NaN 4.383000e+08 8.953000e+08 5.680000e+07 NaN 5.680000e+07 NaN NaN 2.294400e+09 NaN NaN NaN 7.928000e+08 NaN 4.754000e+08 NaN NaN NaN NaN -3.091000e+08 NaN NaN NaN NaN NaN NaN 1.153000e+08 NaN 4.495000e+08 NaN NaN NaN 3.629000e+08 NaN NaN NaN NaN 2.743900e+09 NaN 3.342000e+08 NaN 1.436384e+10 NaN -3.815000e+08 NaN NaN NaN
128846 128846 AAPL.US 1985-09-30 1985-09-30 NaN 9.362000e+08 NaN NaN NaN 3.857000e+08 NaN NaN NaN NaN 3.203000e+08 NaN NaN NaN 3.370000e+08 2.954000e+08 NaN NaN NaN NaN NaN 8.221000e+08 NaN NaN NaN 2.202000e+08 NaN 1.670000e+08 NaN NaN NaN NaN -8.520000e+07 NaN NaN NaN NaN NaN NaN 2.370000e+07 NaN 1.141000e+08 NaN NaN NaN 9.030000e+07 NaN NaN NaN NaN 9.362000e+08 NaN 9.040000e+07 NaN 1.370880e+10 NaN -3.370000e+08 NaN NaN NaN
145183 145183 AAPL.US 1993-09-30 1993-09-30 NaN 5.171400e+09 NaN NaN NaN 3.145000e+09 NaN NaN NaN NaN 1.842600e+09 NaN NaN NaN 6.764000e+08 2.515200e+09 8.232000e+08 NaN 8.232000e+08 NaN NaN 4.338400e+09 NaN NaN NaN 1.381900e+09 NaN 1.506600e+09 NaN NaN NaN NaN -7.531000e+08 NaN NaN NaN NaN NaN NaN 1.735000e+08 NaN 8.330000e+08 NaN NaN NaN 6.298000e+08 NaN NaN NaN NaN 5.171400e+09 NaN 6.595000e+08 NaN 1.310703e+10 NaN 1.468000e+08 NaN NaN NaN
193123 193123 AAPL.US 1986-09-30 1986-09-30 NaN 1.160100e+09 NaN NaN NaN 4.660000e+08 NaN NaN NaN NaN 4.743000e+08 NaN NaN NaN 5.762000e+08 3.285000e+08 NaN NaN NaN NaN NaN 1.040900e+09 NaN NaN NaN 2.631000e+08 NaN 1.087000e+08 NaN NaN NaN NaN -1.147000e+08 NaN NaN NaN NaN NaN NaN 1.190000e+07 NaN 1.192000e+08 NaN NaN NaN 1.375000e+08 NaN NaN NaN NaN 1.160100e+09 NaN 1.073000e+08 NaN 1.437333e+10 NaN -5.762000e+08 NaN NaN NaN
214345 214345 AAPL.US 1997-09-30 1997-12-05 NaN 4.233000e+09 NaN NaN NaN 3.033000e+09 NaN NaN NaN NaN 5.890000e+08 NaN NaN NaN 1.230000e+09 1.818000e+09 2.500000e+07 NaN 9.760000e+08 NaN NaN 3.424000e+09 NaN NaN 2.290000e+08 1.035000e+09 NaN 4.370000e+08 NaN NaN NaN NaN -7.400000e+07 NaN 4.980000e+08 NaN NaN NaN NaN 5.900000e+07 NaN 8.090000e+08 NaN NaN NaN 1.215000e+09 NaN NaN NaN NaN 4.233000e+09 NaN 4.860000e+08 NaN 1.411894e+10 NaN -2.540000e+08 NaN NaN NaN
219538 219538 AAPL.US 2020-09-30 2020-10-30 USD 3.238880e+11 NaN NaN 1.126400e+10 2.585490e+11 6.533900e+10 NaN 4.932700e+10 5.077900e+10 1.496600e+10 4.610800e+10 NaN 3.395200e+10 3.801600e+10 1.053920e+11 1.376900e+10 1.376900e+10 1.124360e+11 -4.060000e+08 4.533600e+10 1.437130e+11 1.008870e+11 6.533900e+10 5.292700e+10 3.744500e+10 9.866700e+10 4.061000e+09 4.229600e+10 NaN NaN NaN -4.060000e+08 NaN 5.077900e+10 NaN 1.496600e+10 NaN NaN 4.252200e+10 NaN 1.801750e+11 NaN 9.866700e+10 5.449000e+10 1.531570e+11 NaN NaN NaN NaN 3.238880e+11 9.094300e+10 3.676600e+10 NaN 1.752821e+10 3.832100e+10 7.442000e+10 1.777750e+11 NaN NaN
Then this dataframe:
financials_Income_Statement_yearly.loc[financials_Income_Statement_yearly.ticker == 'AAPL.US']
Unnamed: 0 ticker date filing_date currency_symbol researchdevelopment effectofaccountingcharges incomebeforetax minorityinterest netincome sellinggeneraladministrative grossprofit ebit nonoperatingincomenetother operatingincome otheroperatingexpenses interestexpense taxprovision interestincome netinterestincome extraordinaryitems nonrecurring otheritems incometaxexpense totalrevenue totaloperatingexpenses costofrevenue totalotherincomeexpensenet discontinuedoperations netincomefromcontinuingops netincomeapplicabletocommonshares preferredstockandotheradjustments sellingandmarketingexpenses reconcileddepreciation ebitda depreciationandamortization
21731 21731 AAPL.US 2000-09-30 2000-12-14 USD 3.800000e+08 NaN 1.092000e+09 NaN 7.860000e+08 1.166000e+09 2.166000e+09 1.113000e+09 NaN 6.200000e+08 7.363000e+09 2.100000e+07 NaN NaN NaN NaN NaN NaN 3.060000e+08 7.983000e+09 1.546000e+09 5.817000e+09 -4.720000e+08 NaN NaN 7.860000e+08 NaN NaN NaN 1.197000e+09 8.400000e+07
29898 29898 AAPL.US 2020-09-30 2020-10-30 USD 1.875200e+10 NaN 6.709100e+10 NaN 5.741100e+10 1.991600e+10 1.049560e+11 6.996400e+10 NaN 6.628800e+10 2.082270e+11 2.873000e+09 9.680000e+09 3.763000e+09 8.900000e+08 NaN NaN NaN 9.680000e+09 2.745150e+11 3.866800e+10 1.695590e+11 -8.030000e+08 NaN 5.741100e+10 5.741100e+10 NaN NaN 1.105600e+10 8.102000e+10 1.105600e+10
29924 29924 AAPL.US 2016-09-30 2016-10-26 USD 1.004500e+10 NaN 6.137200e+10 NaN 4.568700e+10 1.419400e+10 8.426300e+10 6.282800e+10 1.348000e+09 6.002400e+10 1.556150e+11 1.456000e+09 1.568500e+10 3.999000e+09 2.543000e+09 NaN NaN NaN 1.568500e+10 2.156390e+11 2.423900e+10 1.313760e+11 -1.348000e+09 NaN 4.568700e+10 4.568700e+10 NaN NaN NaN 7.333300e+10 1.050500e+10
29949 29949 AAPL.US 2012-09-30 2012-10-31 USD 3.381000e+09 NaN 5.576300e+10 NaN 4.173300e+10 1.004000e+10 6.866200e+10 5.576300e+10 5.220000e+08 5.524100e+10 1.012670e+11 0.000000e+00 NaN NaN NaN NaN NaN NaN 1.403000e+10 1.565080e+11 1.342100e+10 8.784600e+10 -5.220000e+08 NaN 4.173300e+10 4.173300e+10 NaN NaN NaN 5.904000e+10 3.277000e+09
29957 29957 AAPL.US 2005-09-30 2005-12-01 USD 5.340000e+08 NaN 1.815000e+09 NaN 1.335000e+09 1.859000e+09 4.043000e+09 1.815000e+09 NaN 1.650000e+09 1.228100e+10 NaN NaN NaN NaN NaN NaN NaN 4.800000e+08 1.393100e+10 2.393000e+09 9.888000e+09 -1.650000e+08 NaN NaN 1.335000e+09 NaN NaN NaN 1.994000e+09 1.790000e+08
29980 29980 AAPL.US 1992-09-30 1992-09-30 NaN NaN NaN 8.555000e+08 NaN 5.304000e+08 2.289400e+09 3.312300e+09 8.555000e+08 NaN 8.057000e+08 6.280800e+09 NaN NaN NaN NaN NaN NaN NaN 3.251000e+08 7.086500e+09 2.506600e+09 3.774200e+09 -4.980000e+07 NaN NaN NaN NaN NaN NaN 1.072700e+09 2.172000e+08
29990 29990 AAPL.US 1991-09-30 1991-09-30 NaN NaN NaN 4.997000e+08 NaN 3.098000e+08 2.547400e+09 3.199100e+09 4.997000e+08 NaN 4.473000e+08 5.861500e+09 NaN NaN NaN NaN NaN NaN NaN 1.899000e+08 6.308800e+09 2.751800e+09 3.109700e+09 -5.240000e+07 NaN NaN NaN NaN NaN NaN 7.041000e+08 2.044000e+08
30011 30011 AAPL.US 1985-09-30 1985-09-30 NaN NaN NaN 1.200000e+08 NaN 6.120000e+07 6.532000e+08 8.423000e+08 1.200000e+08 NaN 1.473000e+08 1.771000e+09 NaN NaN NaN NaN NaN NaN NaN 5.880000e+07 1.918300e+09 6.950000e+08 1.076000e+09 2.730000e+07 NaN NaN NaN NaN NaN NaN 1.618000e+08 4.180000e+07
97600 97600 AAPL.US 2019-09-30 2019-10-31 USD 1.621700e+10 NaN 6.573700e+10 NaN 5.525600e+10 1.824500e+10 9.839200e+10 6.931300e+10 1.807000e+09 6.393000e+10 1.962440e+11 3.576000e+09 1.048100e+10 4.961000e+09 1.385000e+09 NaN NaN NaN 1.048100e+10 2.601740e+11 3.446200e+10 1.617820e+11 -1.807000e+09 NaN 5.525600e+10 5.525600e+10 NaN NaN 1.254700e+10 8.186000e+10 1.254700e+10
97645 97645 AAPL.US 2017-09-30 2017-11-03 USD 1.158100e+10 NaN 6.408900e+10 NaN 4.835100e+10 1.526100e+10 8.818600e+10 6.641200e+10 2.745000e+09 6.134400e+10 1.678900e+11 2.323000e+09 1.573800e+10 5.201000e+09 2.878000e+09 NaN NaN NaN 1.573800e+10 2.292340e+11 2.684200e+10 1.410480e+11 -2.745000e+09 NaN 4.835100e+10 4.835100e+10 NaN NaN 1.015700e+10 7.656900e+10 1.015700e+10
97680 97680 AAPL.US 2015-09-30 2015-10-28 USD 8.067000e+09 NaN 7.251500e+10 NaN 5.339400e+10 1.432900e+10 9.362600e+10 7.324800e+10 1.285000e+09 7.123000e+10 1.624850e+11 7.330000e+08 1.912100e+10 NaN NaN NaN NaN NaN 1.912100e+10 2.337150e+11 2.239600e+10 1.400890e+11 -1.285000e+09 NaN 5.339400e+10 5.339400e+10 NaN NaN NaN 8.450500e+10 1.125700e+10
97709 97709 AAPL.US 2014-09-30 2014-10-27 USD 6.041000e+09 NaN 5.348300e+10 NaN 3.951000e+10 1.199300e+10 7.053700e+10 5.386700e+10 9.800000e+08 5.250300e+10 1.302920e+11 3.840000e+08 NaN NaN NaN NaN NaN NaN 1.397300e+10 1.827950e+11 1.803400e+10 1.122580e+11 -9.800000e+08 NaN 3.951000e+10 3.951000e+10 NaN NaN NaN 6.181300e+10 7.946000e+09
97728 97728 AAPL.US 2011-09-30 2011-10-26 USD 2.429000e+09 NaN 3.420500e+10 NaN 2.592200e+10 7.599000e+09 4.381800e+10 3.420500e+10 4.150000e+08 3.379000e+10 7.445900e+10 0.000000e+00 NaN NaN NaN NaN NaN NaN 8.283000e+09 1.082490e+11 1.002800e+10 6.443100e+10 -4.150000e+08 NaN 2.592200e+10 2.592200e+10 NaN NaN NaN 3.601900e+10 1.814000e+09
97750 97750 AAPL.US 2010-09-30 2010-10-27 USD 1.782000e+09 NaN 1.854000e+10 NaN 1.401300e+10 5.517000e+09 2.568400e+10 1.854000e+10 1.550000e+08 1.838500e+10 4.684000e+10 0.000000e+00 NaN NaN NaN NaN NaN NaN 4.527000e+09 6.522500e+10 7.299000e+09 3.954100e+10 -1.550000e+08 NaN 1.401300e+10 1.401300e+10 NaN NaN NaN 1.956700e+10 1.027000e+09
97778 97778 AAPL.US 2009-09-30 2009-10-27 USD 1.333000e+09 NaN 7.984000e+09 NaN 5.704000e+09 4.149000e+09 1.314000e+10 7.984000e+09 3.260000e+08 7.658000e+09 2.887900e+10 0.000000e+00 NaN NaN NaN NaN NaN NaN 2.280000e+09 3.653700e+10 5.482000e+09 2.339700e+10 -3.260000e+08 NaN 8.235000e+09 8.235000e+09 NaN NaN NaN 8.718000e+09 7.340000e+08
97785 97785 AAPL.US 2008-09-30 2008-11-05 USD 1.109000e+09 NaN 6.895000e+09 NaN 4.834000e+09 3.761000e+09 1.114500e+10 6.895000e+09 NaN 6.275000e+09 2.620400e+10 NaN NaN NaN NaN NaN NaN NaN 2.061000e+09 3.247900e+10 4.870000e+09 2.133400e+10 -6.200000e+08 NaN NaN 4.834000e+09 NaN NaN NaN 7.368000e+09 4.730000e+08
97808 97808 AAPL.US 2007-09-30 2007-11-15 USD 7.820000e+08 NaN 5.008000e+09 NaN 3.496000e+09 2.963000e+09 8.154000e+09 5.008000e+09 NaN 4.409000e+09 1.959700e+10 NaN NaN NaN NaN NaN NaN NaN 1.512000e+09 2.400600e+10 3.745000e+09 1.585200e+10 -5.990000e+08 NaN NaN 3.496000e+09 NaN NaN NaN 5.325000e+09 3.170000e+08
97833 97833 AAPL.US 2004-09-30 2004-12-03 USD 4.890000e+08 NaN 3.830000e+08 NaN 2.760000e+08 1.421000e+09 2.259000e+09 3.860000e+08 NaN 3.490000e+08 7.930000e+09 3.000000e+06 NaN NaN NaN NaN NaN NaN 1.070000e+08 8.279000e+09 1.910000e+09 6.020000e+09 -3.400000e+07 NaN NaN 2.760000e+08 NaN NaN NaN 5.360000e+08 1.500000e+08
97844 97844 AAPL.US 2003-09-30 2003-12-19 USD 4.710000e+08 NaN 9.200000e+07 NaN 6.900000e+07 1.212000e+09 1.708000e+09 1.010000e+08 NaN 2.500000e+07 6.182000e+09 8.000000e+06 NaN NaN NaN 1.000000e+06 NaN NaN 2.400000e+07 6.207000e+09 1.683000e+09 4.499000e+09 -6.700000e+07 NaN NaN 6.800000e+07 NaN NaN NaN 2.140000e+08 1.130000e+08
97866 97866 AAPL.US 2002-09-30 2002-12-19 USD 4.470000e+08 NaN 8.700000e+07 NaN 6.500000e+07 1.111000e+09 1.603000e+09 9.800000e+07 NaN 4.500000e+07 5.697000e+09 1.100000e+07 NaN NaN NaN NaN NaN NaN 2.200000e+07 5.742000e+09 1.558000e+09 4.139000e+09 -4.200000e+07 NaN NaN 6.500000e+07 NaN NaN NaN 2.120000e+08 1.140000e+08
97876 97876 AAPL.US 2001-09-30 2001-12-21 USD 4.410000e+08 NaN -5.200000e+07 NaN -2.500000e+07 1.138000e+09 1.235000e+09 -2.400000e+07 NaN -3.440000e+08 5.707000e+09 1.600000e+07 NaN NaN NaN 1.200000e+07 NaN NaN -1.500000e+07 5.363000e+09 1.579000e+09 4.128000e+09 -2.920000e+08 NaN NaN NaN NaN NaN NaN 7.600000e+07 1.000000e+08
97903 97903 AAPL.US 1999-09-30 1999-12-22 NaN 3.140000e+08 NaN 6.760000e+08 NaN 6.010000e+08 9.960000e+08 1.696000e+09 7.230000e+08 NaN 3.860000e+08 5.748000e+09 4.700000e+07 NaN NaN NaN NaN NaN NaN 7.500000e+07 6.134000e+09 1.310000e+09 4.438000e+09 -2.900000e+08 NaN NaN NaN NaN NaN NaN 8.080000e+08 8.500000e+07
97910 97910 AAPL.US 1998-09-30 1998-09-25 NaN 3.100000e+08 NaN 3.290000e+08 NaN 3.090000e+08 9.080000e+08 1.479000e+09 3.910000e+08 NaN 2.610000e+08 5.680000e+09 6.200000e+07 NaN NaN NaN NaN NaN NaN 2.000000e+07 5.941000e+09 1.218000e+09 4.462000e+09 -6.800000e+07 NaN NaN NaN NaN NaN NaN 5.020000e+08 1.110000e+08
97935 97935 AAPL.US 1996-09-30 1996-12-19 NaN 6.040000e+08 NaN -1.295000e+09 NaN -8.160000e+08 1.568000e+09 9.680000e+08 -1.235000e+09 NaN -1.204000e+09 1.103700e+10 6.000000e+07 NaN NaN NaN NaN NaN NaN -4.790000e+08 9.833000e+09 2.172000e+09 8.865000e+09 9.100000e+07 NaN NaN NaN NaN NaN NaN -1.079000e+09 1.560000e+08
97942 97942 AAPL.US 1995-09-30 1995-12-19 NaN 6.140000e+08 NaN 6.740000e+08 NaN 4.240000e+08 1.583000e+09 2.858000e+09 7.220000e+08 NaN 6.610000e+08 1.040100e+10 4.800000e+07 NaN NaN NaN NaN NaN NaN 2.500000e+08 1.106200e+10 2.197000e+09 8.204000e+09 -1.300000e+07 NaN NaN NaN NaN NaN NaN 8.490000e+08 1.270000e+08
97951 97951 AAPL.US 1994-09-30 1994-12-13 NaN 5.643030e+08 NaN 5.002860e+08 NaN 3.101780e+08 1.384111e+09 2.343833e+09 5.399390e+08 NaN 3.954190e+08 8.793329e+09 3.965300e+07 NaN NaN NaN NaN NaN NaN 1.901080e+08 9.188748e+09 1.948414e+09 6.844915e+09 -1.048670e+08 NaN NaN NaN NaN NaN NaN 7.078970e+08 1.679580e+08
97971 97971 AAPL.US 1993-09-30 1993-09-30 NaN NaN NaN 1.397000e+08 NaN 8.660000e+07 2.617800e+09 2.894300e+09 1.397000e+08 NaN 1.104000e+08 7.866600e+09 NaN NaN NaN NaN NaN NaN NaN 5.310000e+07 7.977000e+09 2.783900e+09 5.082700e+09 -2.930000e+07 NaN NaN NaN NaN NaN NaN 3.058000e+08 1.661000e+08
98003 98003 AAPL.US 1990-09-30 1990-09-30 NaN NaN NaN 7.785000e+08 NaN 4.749000e+08 2.240200e+09 3.154900e+09 7.785000e+08 NaN 7.120000e+08 4.846400e+09 NaN NaN NaN NaN NaN NaN NaN 3.036000e+08 5.558400e+09 2.442900e+09 2.403500e+09 -6.650000e+07 NaN NaN NaN NaN NaN NaN 9.812000e+08 2.027000e+08
98013 98013 AAPL.US 1989-09-30 1989-09-30 NaN NaN NaN 7.443000e+08 NaN 4.540000e+08 1.954900e+09 2.714000e+09 7.443000e+08 NaN 6.343000e+08 4.649700e+09 NaN NaN NaN NaN NaN NaN NaN 2.903000e+08 5.284000e+09 2.079700e+09 2.570000e+09 -1.100000e+08 NaN NaN NaN NaN NaN NaN 8.691000e+08 1.248000e+08
98036 98036 AAPL.US 1987-09-30 1987-09-30 NaN NaN NaN 4.104000e+08 NaN 2.175000e+08 9.934000e+08 1.435400e+09 4.104000e+08 NaN 3.715000e+08 2.289600e+09 NaN NaN NaN NaN NaN NaN NaN 1.929000e+08 2.661100e+09 1.063900e+09 1.225700e+09 -3.890000e+07 NaN NaN NaN NaN NaN NaN 4.809000e+08 7.050000e+07
98047 98047 AAPL.US 1986-09-30 1986-09-30 NaN NaN NaN 3.098000e+08 NaN 1.540000e+08 7.373000e+08 1.061900e+09 3.098000e+08 NaN 2.735000e+08 1.628400e+09 NaN NaN NaN NaN NaN NaN NaN 1.558000e+08 1.901900e+09 7.884000e+08 8.400000e+08 -3.630000e+07 NaN NaN NaN NaN NaN NaN 3.609000e+08 5.110000e+07
If I try to merge it:
var = pd.concat([financials_Balance_Sheet_yearly, financials_Income_Statement_yearly], axis=1)
var = var.loc[var['ticker'] == 'AAPL.US']
var
I get this error:
ValueError: Cannot index with multidimensional key
When I tried merge, I got empty cells.
Basically ticker and date should be the keys to map all the other columns. If they don't match, then. it should keep the data and I'll assess the problem/clean it up.
How can I do this?
I think the columns 'ticker' and 'date' present in both DataFrames are causing both the 'ticker' and 'date' columns to become multidimensional when you concatenate the DataFrames together.
When I run your original code, this is what var['ticker'] looks like (and var['date'] looks similar):
>>> var['ticker']
ticker ticker
0 AAPL.US AAPL.US
1 AAPL.US AAPL.US
2 AAPL.US AAPL.US
3 AAPL.US AAPL.US
4 AAPL.US AAPL.US
5 AAPL.US AAPL.US
6 AAPL.US AAPL.US
7 AAPL.US AAPL.US
8 AAPL.US AAPL.US
9 AAPL.US AAPL.US
10 AAPL.US AAPL.US
11 AAPL.US AAPL.US
12 AAPL.US AAPL.US
13 AAPL.US AAPL.US
14 AAPL.US AAPL.US
15 AAPL.US AAPL.US
16 AAPL.US AAPL.US
17 AAPL.US AAPL.US
18 AAPL.US AAPL.US
19 AAPL.US AAPL.US
20 AAPL.US AAPL.US
21 AAPL.US AAPL.US
22 AAPL.US AAPL.US
23 AAPL.US AAPL.US
24 AAPL.US AAPL.US
25 AAPL.US AAPL.US
26 AAPL.US AAPL.US
27 AAPL.US AAPL.US
28 AAPL.US AAPL.US
29 AAPL.US AAPL.US
30 NaN AAPL.US
One solution could be to set the ticker and date columns to the be index before concatenating the DataFrames, then reset the index:
pd.concat([df1.set_index(['ticker','date']),df2.set_index(['ticker','date'])],axis=1).reset_index()
ticker date Unnamed: 0 filing_date currency_symbol ... netincomeapplicabletocommonshares preferredstockandotheradjustments sellingandmarketingexpenses reconcileddepreciation ebitda depreciationandamortization
0 AAPL.US 1985-09-30 128846.0 128846.0 1985-09-30 NaN ... NaN NaN NaN NaN 1.618000e+08 4.180000e+07
1 AAPL.US 1986-09-30 193123.0 193123.0 1986-09-30 NaN ... NaN NaN NaN NaN 3.609000e+08 5.110000e+07
2 AAPL.US 1987-09-30 NaN NaN NaN NaN ... NaN NaN NaN NaN 4.809000e+08 7.050000e+07
3 AAPL.US 1988-09-30 128805.0 128805.0 1988-09-30 NaN ... NaN NaN NaN NaN NaN NaN
4 AAPL.US 1989-09-30 128810.0 128810.0 1989-09-30 NaN ... NaN NaN NaN NaN 8.691000e+08 1.248000e+08
5 AAPL.US 1990-09-30 128765.0 128765.0 1990-09-30 NaN ... NaN NaN NaN NaN 9.812000e+08 2.027000e+08
6 AAPL.US 1991-09-30 128753.0 128753.0 1991-09-30 NaN ... NaN NaN NaN NaN 7.041000e+08 2.044000e+08
7 AAPL.US 1992-09-30 128748.0 128748.0 1992-09-30 NaN ... NaN NaN NaN NaN 1.072700e+09 2.172000e+08
8 AAPL.US 1993-09-30 145183.0 145183.0 1993-09-30 NaN ... NaN NaN NaN NaN 3.058000e+08 1.661000e+08
9 AAPL.US 1994-09-30 128720.0 128720.0 1994-12-13 NaN ... NaN NaN NaN NaN 7.078970e+08 1.679580e+08
10 AAPL.US 1995-09-30 NaN NaN NaN NaN ... NaN NaN NaN NaN 8.490000e+08 1.270000e+08
11 AAPL.US 1996-09-30 128713.0 128713.0 1996-12-19 NaN ... NaN NaN NaN NaN -1.079000e+09 1.560000e+08
12 AAPL.US 1997-09-30 214345.0 214345.0 1997-12-05 NaN ... NaN NaN NaN NaN NaN NaN
13 AAPL.US 1998-09-30 128698.0 128698.0 1998-09-25 NaN ... NaN NaN NaN NaN 5.020000e+08 1.110000e+08
14 AAPL.US 1999-09-30 128684.0 128684.0 1999-12-22 NaN ... NaN NaN NaN NaN 8.080000e+08 8.500000e+07
15 AAPL.US 2000-09-30 128694.0 128694.0 2000-12-14 USD ... 7.860000e+08 NaN NaN NaN 1.197000e+09 8.400000e+07
16 AAPL.US 2001-09-30 128670.0 128670.0 2001-12-21 USD ... NaN NaN NaN NaN 7.600000e+07 1.000000e+08
17 AAPL.US 2002-09-30 128621.0 128621.0 2002-12-19 USD ... 6.500000e+07 NaN NaN NaN 2.120000e+08 1.140000e+08
18 AAPL.US 2003-09-30 NaN NaN NaN NaN ... 6.800000e+07 NaN NaN NaN 2.140000e+08 1.130000e+08
19 AAPL.US 2004-09-30 128610.0 128610.0 2004-12-03 USD ... 2.760000e+08 NaN NaN NaN 5.360000e+08 1.500000e+08
20 AAPL.US 2005-09-30 128588.0 128588.0 2005-12-01 USD ... 1.335000e+09 NaN NaN NaN 1.994000e+09 1.790000e+08
21 AAPL.US 2006-09-30 128581.0 128581.0 2006-12-29 USD ... NaN NaN NaN NaN NaN NaN
22 AAPL.US 2007-09-30 NaN NaN NaN NaN ... 3.496000e+09 NaN NaN NaN 5.325000e+09 3.170000e+08
23 AAPL.US 2008-09-30 128550.0 128550.0 2008-11-05 USD ... 4.834000e+09 NaN NaN NaN 7.368000e+09 4.730000e+08
24 AAPL.US 2009-09-30 NaN NaN NaN NaN ... 8.235000e+09 NaN NaN NaN 8.718000e+09 7.340000e+08
25 AAPL.US 2010-09-30 128514.0 128514.0 2010-10-27 USD ... 1.401300e+10 NaN NaN NaN 1.956700e+10 1.027000e+09
26 AAPL.US 2011-09-30 128453.0 128453.0 2011-10-26 USD ... 2.592200e+10 NaN NaN NaN 3.601900e+10 1.814000e+09
27 AAPL.US 2012-09-30 128450.0 128450.0 2012-10-31 USD ... 4.173300e+10 NaN NaN NaN 5.904000e+10 3.277000e+09
28 AAPL.US 2013-09-30 128413.0 128413.0 2013-10-30 USD ... NaN NaN NaN NaN NaN NaN
29 AAPL.US 2014-09-30 128386.0 128386.0 2014-10-27 USD ... 3.951000e+10 NaN NaN NaN 6.181300e+10 7.946000e+09
30 AAPL.US 2015-09-30 NaN NaN NaN NaN ... 5.339400e+10 NaN NaN NaN 8.450500e+10 1.125700e+10
31 AAPL.US 2016-09-30 128337.0 128337.0 2016-10-26 USD ... 4.568700e+10 NaN NaN NaN 7.333300e+10 1.050500e+10
32 AAPL.US 2017-09-30 128311.0 128311.0 2017-11-03 USD ... 4.835100e+10 NaN NaN 1.015700e+10 7.656900e+10 1.015700e+10
33 AAPL.US 2018-09-30 128288.0 128288.0 2018-11-05 USD ... NaN NaN NaN NaN NaN NaN
34 AAPL.US 2019-09-30 128270.0 128270.0 2019-10-31 USD ... 5.525600e+10 NaN NaN 1.254700e+10 8.186000e+10 1.254700e+10
35 AAPL.US 2020-09-30 219538.0 219538.0 2020-10-30 USD ... 5.741100e+10 NaN NaN 1.105600e+10 8.102000e+10 1.105600e+10
[36 rows x 100 columns]
Related
I have a dataframe which has 4 columns- Name, Size, Text Extracted, Score.
The score column contains a list with nan in it
something like this
[nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan]
Here's how my dataframe looks like
Image Name Image Dimensions Text Extracted score
SGAFIS2457_1_1.jpg (1260, 1585, 3) "[nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan]"
SGAFIS2457_1_2.jpg (1235, 1595, 3) "[nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan]"
SGAFIS2457_2_1.jpg (1402, 1668, 3) FIS GLOBAL SUSTAINABILITY REPORT TABLE OF CONTENTS INTRODUCTION SUSTAINABLE PLANET I LETTER FROM OUR CHAIRMAN AND CEO REDUCING ENVIRONMENTAL IMPACT II ABOUT FIS III REPORT HIGHLIGHTS SUSTAINABLE GOVERNANCE IV APPROACH TO SUSTAINABLE GROWTH V RESPONSE TO COVID GOVERNANCE OVERSIGHT STRUCTURE AND RESOURCES SUSTAINABLE SOCIETIES RISK MANAGEMENT OPERATIONAL RESILIENCY AND COMPLIANCE EMPOWERING INDIVIDUALS AND MANAGING A SUSTAINABLY BUSINESSES IN THE DIGITAL ECONOMY FOCUSED SUPPLY CHAIN PROTECTING OUR CLIENTS AND THE FINANCIAL SYSTEM APPENDIX ADVANCING THE WORKFORCE OF THE FUTURE CONTENT INDEXES FOSTERING INCLUSION DIVERSITY HELPING COMMUNITIES THRIVE INTRODUCTION 0.384155154
/content/keras-retinanet/PDFs/KPI1/Cropped_images/KPI1_SGAFIS2457_7_1.jpg (1105, 865, 3) MATRIX OF MATERIAL TOPICS Local Communities Training and Education Diversity Equal Opportunity Indirect Economic Impacts Ethics and Integrity Employment Data Privacy and Security Governance Customer Privacy Access to Economic Finance Performance Procurement Indirect Energy Economic Impacts Practices Anti Corruption Business Continuity Anti Competitive Behavior Public Policy INCREASING IMPORTANCE INDUSTRY PERSPECTIVES SUSTAINABLE SUSTAINABLE SUSTAINABLE SOCIETIES PLANET GOVERNANCE EXTERNAL STAKEHOLDERS PERSPECTIVES 0.352203667
SGAALDAR DH_44_1.jpg (758, 1147, 3) GRI "[nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan]"
SGAALDAR DH_96_1.jpg (1266, 2316, 3) "[nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan nan
nan nan nan nan nan nan nan nan nan nan nan nan]"
For your reference I'm also attaching a screenshot of the it here
I've tried multiple ways of removing the whole row where the nan in list is present but none of them worked so far. Here's a snippet of code which I tried would solve it but it did not work.
dfKPI = dfKPI[~dfKPI['score'].isin(garb)]
here garb is nothing but the list shared above.
I'm stuck on this problem for a good two days and have researched and tried out multiple things.
From the look of it, it seems that your score column has usually a numerical result, but sometimes has a string containing "[nan nan nan ...]" rather than a list of nan.
One simple way to clean this up (here assuming an original DataFrame called df) is:
df_new = df.assign(score=pd.to_numeric(df['score'], errors='coerce'))
Optionally, you can drop all rows with nan (either resulting from the 'coerce' above, or originally nan):
df_new = (
df
.assign(score=pd.to_numeric(df['score'], errors='coerce'))
.dropna(subset='score')
)
I don't know how i pivot table in picture one to square matrix in table 2.
Value is distinct count anonymous_id
Want to know how many users join in event voucher denied and item_checkout_started, etc. ?
Thanks!
pivot require 3 argumnts:
index (anonymous_id) - in this case
column - Column to use to make new frame’s columns.
values - Column(s) to use for populating new frame’s values.
df.pivot(index=["anonymous_id"], columns=["list_event_n"],values="at")
You can try .pivot_table() with aggfunc='count' to count the number of occurrences of anonymous_id, as folllows:
df.pivot_table(index='list_event_n', columns='list_event_n', values='anonymous_id', aggfunc='count')
Result:
list_event_n item_checkout_started item_viewed outlet_list_viewed outlet_product_clicked outlet_promo_clicked popup_registered popup_viewed product_clicked product_list_viewed product_searched product_viewed promotion_viewed item_checkout_started item_viewed outlet_list_viewed outlet_product_clicked outlet_promo_clicked popup_registered popup_viewed product_clicked product_list_viewed product_searched product_viewed promotion_viewed
list_event_n
item_checkout_started 1.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 1.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
item_viewed NaN 15.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 15.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
outlet_list_viewed NaN NaN 2.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 2.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
outlet_product_clicked NaN NaN NaN 1.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 1.0 NaN NaN NaN NaN NaN NaN NaN NaN
outlet_promo_clicked NaN NaN NaN NaN 7.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 7.0 NaN NaN NaN NaN NaN NaN NaN
popup_registered NaN NaN NaN NaN NaN 1.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 1.0 NaN NaN NaN NaN NaN NaN
popup_viewed NaN NaN NaN NaN NaN NaN 1.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 1.0 NaN NaN NaN NaN NaN
product_clicked NaN NaN NaN NaN NaN NaN NaN 17.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 17.0 NaN NaN NaN NaN
product_list_viewed NaN NaN NaN NaN NaN NaN NaN NaN 7.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 7.0 NaN NaN NaN
product_searched NaN NaN NaN NaN NaN NaN NaN NaN NaN 2.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 2.0 NaN NaN
product_viewed NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 16.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 16.0 NaN
promotion_viewed NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 2.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 2.0
I need to get rows in my dataframe (using .last_valid_index()), but some of the indices which satisfy the condition are NaN (that's fine, as I may have some empty blocks between the cuts).
df.groupby('cuts').apply(lambda x: x.q1.last_valid_index())
Out[289]:
cuts
(2016-04-29 23:59:59.999999999, 2016-05-14] 13.0
(2016-05-14, 2016-05-28] 19.0
(2016-05-28, 2016-06-11] NaN
(2016-06-11, 2016-06-25] NaN
(2016-06-25, 2016-07-09] NaN
(2016-07-09, 2016-07-23] 75.0
(2016-07-23, 2016-08-06] NaN
(2016-08-06, 2016-08-20] NaN
(2016-08-20, 2016-09-03] NaN
(2016-09-03, 2016-09-17] 138.0
(2016-09-17, 2016-10-01] NaN
(2016-10-01, 2016-10-15] 156.0
(2016-10-15, 2016-10-29] NaN
I need to get rid of NaNs, I tried something like:
df.groupby('cuts').apply(lambda x: x.loc[x.q1.last_valid_index()] if (x.q1.last_valid_index() > 0)
but it didn't work.
I'm sure it should be very simple, but I'm struggling to find a neat solution.
EDIT
df[:50]
Out[305]:
response_date q1 crp ferritin hb q2 plasma platelets transferrin q3 wcc value a1 a2 a3 a4
0 2016-04-27 34.0 6.1 15.3 136.0 NaN 1.0 404.0 27.0 NaN 9.33 NaN NaN NaN NaN NaN
1 2016-04-30 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 12.0 0.98 80.0 1.0
2 2016-05-01 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 1089.0 NaN NaN NaN NaN
3 2016-05-02 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
4 2016-05-03 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
5 2016-05-04 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
6 2016-05-05 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
7 2016-05-06 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
8 2016-05-07 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
9 2016-05-08 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
10 2016-05-09 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
11 2016-05-10 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
12 2016-05-11 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
13 2016-05-12 38.0 1.1 11.1 135.0 4.0 1.0 382.0 18.0 5.0 10.60 NaN NaN NaN NaN NaN
14 2016-05-13 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
15 2016-05-14 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 12.0 0.83 80.0 1.0
16 2016-05-15 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
17 2016-05-16 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
18 2016-05-17 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
19 2016-05-18 36.0 8.8 15.6 138.0 NaN NaN 369.0 23.0 NaN 9.78 NaN NaN NaN NaN NaN
20 2016-05-19 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
21 2016-05-20 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
22 2016-05-21 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
23 2016-05-22 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
24 2016-05-23 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
25 2016-05-24 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
26 2016-05-25 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
27 2016-05-26 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
28 2016-05-27 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
29 2016-05-28 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 14.0 1.60 80.0 1.0
30 2016-05-29 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
31 2016-05-30 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
32 2016-05-31 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
33 2016-06-01 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
34 2016-06-02 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 802.0 NaN NaN NaN NaN
35 2016-06-03 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
36 2016-06-04 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
37 2016-06-05 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
38 2016-06-06 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
39 2016-06-07 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
40 2016-06-08 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
41 2016-06-09 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
42 2016-06-10 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
43 2016-06-11 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 13.0 1.40 75.0 1.0
44 2016-06-12 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
45 2016-06-13 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
46 2016-06-14 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
47 2016-06-15 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
48 2016-06-16 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
49 2016-06-17 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
I need to extract data (blood results) between the dates of a1. I'm usind pd.cut, to get blocks between the dates of a1. If you notice, within some block of a1, there are not blood results, so this is how I got NaN previously. I need to get only rows with bloods between the dates of a1. However, there are might be more than one set of bloods between the dates, so this is why I'm taking the last set of results, which is closer to the end of the a1 block.
Here is a datafrmae.
a = pd.DataFrame({'a':np.arange(10)}, index=np.arange(0,20,2))
# then I can create new dataframe and complete the index.
b = pd.DataFrame(index=np.arange(20))
b['a'] = a
# Now convert the index np.arange(0,20,2) to np.arange(20). Fill noexists value by np.nan.
But how can i do the same way to column? Suppose the column's dtype is int32 and names is np.arange(0,20,2).
It seems you need reindex:
print (a.reindex(b.index))
a
0 0.0
1 NaN
2 1.0
3 NaN
4 2.0
5 NaN
6 3.0
7 NaN
8 4.0
9 NaN
10 5.0
11 NaN
12 6.0
13 NaN
14 7.0
15 NaN
16 8.0
17 NaN
18 9.0
19 NaN
Also can reindex columns:
a.columns = [0]
print (a.reindex(index=b.index, columns=np.arange(0,20,2)))
0 2 4 6 8 10 12 14 16 18
0 0.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
1 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2 1.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
3 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
4 2.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
5 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
6 3.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
7 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
8 4.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
9 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
10 5.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
11 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
12 6.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
13 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
14 7.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
15 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
16 8.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
17 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
18 9.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
19 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
I have a long list of data structured in the following way
Date, Time, Temperature, Moisture, Accumulated precipitation
1/01/2011, 00:00, 23, 50, 2,
1/01/2011, 00:15, 22, 45, 1,
1/01/2011, 00:30, 20, 39, 0,
1/01/2011, 01:00, 25, 34, 0,
1/01/2011, 01:15, 23, 50, 0,
.
.
.
.
1/01/2011, 23:45, 22, 40, 0,
.
.
.
.
31/01/2011, 00:00, 23, 45, 0,
How I can get the daily averages of the variables Temperature and Moisture for the 31st day of the month?
This is the sort of thing that the pandas library is good at. The basic idea is that you can read data into objects called DataFrames, kind of like an Excel sheet, and then you can do neat things to them. Starting from a temps.csv file I made up to look like yours:
>>> df = pd.read_csv("temps.csv", index_col=False, parse_dates=[[0,1]], skipinitialspace=True)
>>> df = df.rename(columns={"Date _Time": "Time"})
>>> df = df.set_index("Time")
>>> df
Temperature Moisture Accumulated precipitation
Time
2011-01-01 00:00:00 23 50 2
2011-01-01 00:15:00 22 45 1
2011-01-01 00:30:00 20 39 0
2011-01-01 01:00:00 25 34 0
2011-01-01 01:15:00 23 50 0
2011-01-01 23:45:00 22 40 0
2011-01-02 00:00:00 123 250 32
2011-01-02 00:15:00 122 245 31
2011-01-02 00:30:00 120 239 30
2011-01-02 01:00:00 125 234 30
2011-01-02 01:15:00 123 250 30
2011-01-02 23:45:00 122 240 30
Once we have the frame in a nice shape, we can easily resample (the default is the mean):
>>> df.resample("D")
Temperature Moisture Accumulated precipitation
Time
2011-01-01 22.5 43 0.5
2011-01-02 122.5 243 30.5
Or get the max or min:
>>> df.resample("D", how="max")
Temperature Moisture Accumulated precipitation
Time
2011-01-01 25 50 2
2011-01-02 125 250 32
>>> df.resample("D", how="min")
Temperature Moisture Accumulated precipitation
Time
2011-01-01 20 34 0
2011-01-02 120 234 30
Et cetera. Note that this is just the brute average of the recorded data points each day: if you want to resample differently to account for the different distance between measurements, that's easy too. If you're going to be doing data processing in Python, it's definitely worth reading through the 10 minute overview to see if it might be helpful.
Use the suggestions on a different database, I did as follows:
df = pd.read_csv('path-tracks.csv', index_col= 'Date', parse_dates=[0])
df
Lat Lon ID Moisture Temperature Category
Date
2004-02-05 06:45:00 19.7 -95.2 1 45 -38 CCM
2004-02-05 07:45:00 19.7 -94.7 1 34 -48 CCM
2004-02-05 08:45:00 19.3 -93.9 1 57 -60 CCM
2004-02-05 09:45:00 19.0 -93.5 1 89 -58 CCM
2004-02-05 10:45:00 19.0 -92.8 1 34 -50 CCM
2004-02-05 11:45:00 19.2 -92.6 1 23 -40 CCM
2004-02-05 12:45:00 19.9 -93.0 1 10 -43 CCM
2004-02-05 13:15:00 20.0 -92.8 1 50 -32 CCM
2004-05-30 04:45:00 23.1 -100.2 2 45 -45 SCME
2004-05-30 05:45:00 23.2 -100.0 2 68 -56 SCME
2004-05-30 06:45:00 23.3 -100.0 2 90 -48 SCME
2004-05-30 07:45:00 23.3 -100.2 2 100 -32 SCME
2004-05-31 03:15:00 23.4 -99.0 3 12 -36 SCM
2004-05-31 04:15:00 23.5 -98.9 3 34 -46 SCM
2004-05-31 05:15:00 23.6 -98.7 3 56 -68 SCM
2004-05-31 06:15:00 23.7 -98.8 3 78 -30 SCM
Now try to get the daily sum as follows:
df.resample('D',how='sum')
i get the following:
Lat Lon ID Moisture Temperature
Date
2004-02-06 155.8 -748.5 8 342 -369
2004-02-07 NaN NaN NaN NaN NaN
2004-02-08 NaN NaN NaN NaN NaN
2004-02-09 NaN NaN NaN NaN NaN
2004-02-10 NaN NaN NaN NaN NaN
2004-02-11 NaN NaN NaN NaN NaN
2004-02-12 NaN NaN NaN NaN NaN
2004-02-13 NaN NaN NaN NaN NaN
2004-02-14 NaN NaN NaN NaN NaN
2004-02-15 NaN NaN NaN NaN NaN
2004-02-16 NaN NaN NaN NaN NaN
2004-02-17 NaN NaN NaN NaN NaN
2004-02-18 NaN NaN NaN NaN NaN
2004-02-19 NaN NaN NaN NaN NaN
2004-02-20 NaN NaN NaN NaN NaN
2004-02-21 NaN NaN NaN NaN NaN
2004-02-22 NaN NaN NaN NaN NaN
2004-02-23 NaN NaN NaN NaN NaN
2004-02-24 NaN NaN NaN NaN NaN
2004-02-25 NaN NaN NaN NaN NaN
2004-02-26 NaN NaN NaN NaN NaN
2004-02-27 NaN NaN NaN NaN NaN
2004-02-28 NaN NaN NaN NaN NaN
2004-02-29 NaN NaN NaN NaN NaN
2004-03-01 NaN NaN NaN NaN NaN
2004-03-02 NaN NaN NaN NaN NaN
2004-03-03 NaN NaN NaN NaN NaN
2004-03-04 NaN NaN NaN NaN NaN
2004-03-05 NaN NaN NaN NaN NaN
2004-03-06 NaN NaN NaN NaN NaN
2004-03-07 NaN NaN NaN NaN NaN
2004-03-08 NaN NaN NaN NaN NaN
2004-03-09 NaN NaN NaN NaN NaN
2004-03-10 NaN NaN NaN NaN NaN
2004-03-11 NaN NaN NaN NaN NaN
2004-03-12 NaN NaN NaN NaN NaN
2004-03-13 NaN NaN NaN NaN NaN
2004-03-14 NaN NaN NaN NaN NaN
2004-03-15 NaN NaN NaN NaN NaN
2004-03-16 NaN NaN NaN NaN NaN
2004-03-17 NaN NaN NaN NaN NaN
2004-03-18 NaN NaN NaN NaN NaN
2004-03-19 NaN NaN NaN NaN NaN
2004-03-20 NaN NaN NaN NaN NaN
2004-03-21 NaN NaN NaN NaN NaN
2004-03-22 NaN NaN NaN NaN NaN
2004-03-23 NaN NaN NaN NaN NaN
2004-03-24 NaN NaN NaN NaN NaN
2004-03-25 NaN NaN NaN NaN NaN
2004-03-26 NaN NaN NaN NaN NaN
2004-03-27 NaN NaN NaN NaN NaN
2004-03-28 NaN NaN NaN NaN NaN
2004-03-29 NaN NaN NaN NaN NaN
2004-03-30 NaN NaN NaN NaN NaN
2004-03-31 NaN NaN NaN NaN NaN
2004-04-01 NaN NaN NaN NaN NaN
2004-04-02 NaN NaN NaN NaN NaN
2004-04-03 NaN NaN NaN NaN NaN
2004-04-04 NaN NaN NaN NaN NaN
2004-04-05 NaN NaN NaN NaN NaN
2004-04-06 NaN NaN NaN NaN NaN
2004-04-07 NaN NaN NaN NaN NaN
2004-04-08 NaN NaN NaN NaN NaN
2004-04-09 NaN NaN NaN NaN NaN
2004-04-10 NaN NaN NaN NaN NaN
2004-04-11 NaN NaN NaN NaN NaN
2004-04-12 NaN NaN NaN NaN NaN
2004-04-13 NaN NaN NaN NaN NaN
2004-04-14 NaN NaN NaN NaN NaN
2004-04-15 NaN NaN NaN NaN NaN
2004-04-16 NaN NaN NaN NaN NaN
2004-04-17 NaN NaN NaN NaN NaN
2004-04-18 NaN NaN NaN NaN NaN
2004-04-19 NaN NaN NaN NaN NaN
2004-04-20 NaN NaN NaN NaN NaN
2004-04-21 NaN NaN NaN NaN NaN
2004-04-22 NaN NaN NaN NaN NaN
2004-04-23 NaN NaN NaN NaN NaN
2004-04-24 NaN NaN NaN NaN NaN
2004-04-25 NaN NaN NaN NaN NaN
2004-04-26 NaN NaN NaN NaN NaN
2004-04-27 NaN NaN NaN NaN NaN
2004-04-28 NaN NaN NaN NaN NaN
2004-04-29 NaN NaN NaN NaN NaN
2004-04-30 NaN NaN NaN NaN NaN
2004-05-01 NaN NaN NaN NaN NaN
2004-05-02 NaN NaN NaN NaN NaN
2004-05-03 NaN NaN NaN NaN NaN
2004-05-04 NaN NaN NaN NaN NaN
2004-05-05 NaN NaN NaN NaN NaN
2004-05-06 NaN NaN NaN NaN NaN
2004-05-07 NaN NaN NaN NaN NaN
2004-05-08 NaN NaN NaN NaN NaN
2004-05-09 NaN NaN NaN NaN NaN
2004-05-10 NaN NaN NaN NaN NaN
2004-05-11 NaN NaN NaN NaN NaN
2004-05-12 NaN NaN NaN NaN NaN
2004-05-13 NaN NaN NaN NaN NaN
2004-05-14 NaN NaN NaN NaN NaN
2004-05-15 NaN NaN NaN NaN NaN
2004-05-16 NaN NaN NaN NaN NaN
2004-05-17 NaN NaN NaN NaN NaN
2004-05-18 NaN NaN NaN NaN NaN
2004-05-19 NaN NaN NaN NaN NaN
2004-05-20 NaN NaN NaN NaN NaN
2004-05-21 NaN NaN NaN NaN NaN
2004-05-22 NaN NaN NaN NaN NaN
2004-05-23 NaN NaN NaN NaN NaN
2004-05-24 NaN NaN NaN NaN NaN
2004-05-25 NaN NaN NaN NaN NaN
2004-05-26 NaN NaN NaN NaN NaN
2004-05-27 NaN NaN NaN NaN NaN
2004-05-28 NaN NaN NaN NaN NaN
2004-05-29 NaN NaN NaN NaN NaN
2004-05-30 NaN NaN NaN NaN NaN
2004-05-31 92.9 -400.4 8 303 -181
2004-06-01 94.2 -395.4 12 180 -180
I did something wrong? because it no takes into account the date 2004-02-05 6:45:00? How do I fix this error?