Python 根据条件合并 Pandas 列

发布于08月08日

假设我有2个Pandas 数据框，第一个是一个查找表，第二个是一个数据表，它需要填充一个额外的列Category，该列将使用2个条件从查找表中提取.区域应该匹配，距离应该是最小的.这两个数据帧都可以使用下面的代码生成.

lookup_data = {'Category' : ['A1', 'A2', 'B1', 'C1', 'D1', 'D2'],
               'Region':['A', 'A', 'B', 'C', 'D', 'D'],
                'Distance':[109, 200, 300, 400, 500, 600]}
lookup_data_df = pd.DataFrame(lookup_data)

actual_data = {'Region':['A', 'A', 'B', 'C', 'D', 'D', 'E'],
               'Distance':[95, 199, 10, 350, 550, 560, 200]}
actual_df = pd.DataFrame(actual_data)

我想要一个不使用循环的解决方案.可以使用以下代码生成预期的输出数据帧.

expected_data = {'Region':['A', 'A', 'B', 'C', 'D', 'D', 'E'],
               'Category' : ['A1', 'A2', 'B1', 'C1', 'D1', 'D2', 'A2'],
               'Distance':[95, 199, 10, 350, 550, 560, 200]}
expected_data_df = pd.DataFrame(expected_data)

编辑:例如，在不可见区域的情况下，区域E忽略该区域，只 Select 最小距离为A2的Category，在当前场景中.

def min_distance(data, lookup, match=None, key="Distance"): return pd.merge_asof( actual_df.sort_values(key), lookup_data_df.sort_values(key), by=match, on=key, direction="nearest" ) out = ( min_distance(actual_df, lookup_data_df, match="Region") .pipe(lambda df_: df_.fillna( {"Category": min_distance(df_, lookup_data_df)["Category"]})) .sort_values("Region", ignore_index=True) [["Region", "Category", "Distance"]] ) # the last two chains could be optional though

#expected_data_df.equals(out) is True print(out) Region Category Distance 0 A A1 95 1 A A2 199 2 B B1 10 3 C C1 350 4 D D1 550 5 D D2 560 6 E A2 200

Python 根据条件合并 Pandas 列

推荐答案

Python相关问答推荐

手动为pandas中的列上色

按日期和组增量计算总价值

如何使用关键参数按列对Pandas rame进行排序

sys.modulesgo 哪儿了？

如何匹配3D圆柱体的轴和半径？

使用Python和PRNG(不是梅森龙卷风)有效地生成伪随机浮点数在[0，1)中均匀？

机器人与Pyton Minecraft服务器状态不和

模型序列化器中未调用现场验证器

比较两个数据帧并并排附加结果(获取性能警告)

'discord.ext. commanders.cog没有属性监听器'

如何删除索引过go 的lexsort深度可能会影响性能？' &>

可变参数数量的重载类型(args或kwargs)

如何在Python中找到线性依赖mod 2

可以bcrypts AES—256 GCM加密损坏ZIP文件吗？

AES—256—CBC加密在Python和PHP中返回不同的结果，HELPPP

在输入行运行时停止代码

搜索按钮不工作，Python tkinter

PYTHON、VLC、RTSP.屏幕截图不起作用

如何删除重复的文字翻拍？

BeautifulSoup-Screper有时运行得很好，很健壮--但有时它失败了：：可能这里需要一些更多的异常处理？