我正在尝试根据 2 列连接 2 个数据框。问题是我想插入其中一个列值。
df1 = pd.DataFrame(data=[['ABC', 'USD', 2.31], ['DEF', 'MXN', 4.72], ['XYZ', 'EUR', 5.83]], columns=['A', 'B', 'C'])
>>df1
A B C
0 ABC USD 2.31
1 DEF MXN 4.72
2 XYZ EUR 5.83
df2 = pd.DataFrame(data=[['USD', 1, 0.5], ['USD', 2, 0.8], ['USD', 3, 1.5], ['MXN', 2, 0.6], ['MXN', 3, 0.71], ['MXN', 4, 0.88], ['EUR', 6, 0.12], ['EUR', 7, 0.5], ['EUR', 8, 0.7]], columns=['B', 'C', 'V'])
>>df2
B C V
0 USD 1 0.50
1 USD 2 0.80
2 USD 3 1.50
3 MXN 2 0.60
4 MXN 3 0.71
5 MXN 4 0.88
6 EUR 6 0.12
7 EUR 7 0.50
8 EUR 8 0.70
我想根据 B 列和 C 列加入两个数据框,以便得到以下结果
A B C V
0 ABC USD 2.31 1.017
1 DEF MXN 4.72 0.880
2 XYZ EUR 5.83 0.120
插值是线性的,超出范围时使用最近的点。
第一个值
1.017=0.8+(2.31-2)*(1.5-0.8)
第二个值在那里是因为 MXN 在 df2 中的最大值是 0.6
第三个值同样是欧元的最大值,即 0.12
目标是尽可能高效地执行此操作,因为数据帧非常大。
截至目前,我正在按 B 分组并使用 scipy 插值函数。
请您参考如下方法:
这是我想出的解决方案,但我认为您可以通过使用带有 scipy.interpolate 的应用来改进它对于插值步骤。首先为 df1 创建 floor、ceiling 和 delta 列。
enter df1['C_floor'] = df1.C.apply(np.floor)
df1['C_ceil'] = df1.C.apply(np.ceil)
df1['C_delta'] = df1.C - df1.C_floor
进行双左连接以获得 V对应C的地板和天花板来自 df2 .
df1 = df1.merge(df2, how ='left', left_on = ['B', 'C_floor'], right_on = ['B', 'C'])
df1 = df1.merge(df2, how ='left', left_on = ['B', 'C_ceil'], right_on = ['B', 'C'])
这是我认为您可以使代码更快的地方,但我写了一个简短的函数来查找加权平均值并考虑 C 的情况。超出了 df2 中可用的范围.
def weighted_mean(x):
if np.isnan(x.V_x):
return x.V_y
elif np.isnan(x.V_y):
return x.V_x
else:
return x.V_y + (x.V_x - x.V_y) * x.C_delta
df1['V'] = df1[['V_x', 'V_y', 'C_delta']].apply(weighted_mean, axis = 1)
最后进行一些清理。
df1 = df1[['A', 'B', 'C_x', 'V']]
df1.columns = ['A', 'B', 'C', 'V']
哪个给。
A B C V
0 ABC USD 2.31 1.283
1 DEF MXN 4.72 0.880
2 XYZ EUR 5.83 0.120
