我已经成功地通过时间上最近的邻居合并了两个 DataFrame。我当前的中间结果如下:
merge_key jd var2 index distance
2010-01-01 00:00:00 0 2455197.500000 0 2010-01-01 00:00:00 0
2010-01-01 00:06:00 0 2455197.500000 0 2010-01-01 00:00:00 -360
2010-01-01 00:12:00 0 2455197.500000 0 2010-01-01 00:00:00 -720
2010-01-01 00:18:00 1 2455197.517361 1 2010-01-01 00:25:00 420
2010-01-01 00:24:00 1 2455197.517361 1 2010-01-01 00:25:00 60
2010-01-01 00:30:00 1 2455197.517361 1 2010-01-01 00:25:00 -300
2010-01-01 00:36:00 1 2455197.517361 1 2010-01-01 00:25:00 -660
2010-01-01 00:42:00 2 2455197.534722 2 2010-01-01 00:50:00 480
2010-01-01 00:48:00 2 2455197.534722 2 2010-01-01 00:50:00 120
2010-01-01 00:54:00 2 2455197.534722 2 2010-01-01 00:50:00 -240
在下一步中，我想删除重复的条目并仅选择那些具有最小距离的条目。我想到了:
df.groupby("merge_key").apply(lambda x: x.ix[np.abs(x['distance']).idxmin()])
但是，这会导致:
merge_key jd var2 index distance
merge_key
0 0 2455198 0 2010-01-01 00:00:00 0
1 1 2455198 1 2010-01-01 00:25:00 60
2 2 2455198 2 2010-01-01 00:50:00 120
似乎“jd”的数据类型已更改为整数？而且我也不希望将 merge_key 作为新索引。
我想要的输出实际上是:
merge_key jd var2 index distance
2010-01-01 00:00:00 0 2455197.500000 0 2010-01-01 00:00:00 0
2010-01-01 00:24:00 1 2455197.517361 1 2010-01-01 00:25:00 60
2010-01-01 00:48:00 2 2455197.534722 2 2010-01-01 00:50:00 120
请您参考如下方法:
如果您使用稍微简单的方法执行此操作，您会得到正确的结果:
In [11]: g = df.groupby('merge_key')
In [12]: min_dists = g.distance.apply(lambda x: x.abs().idxmin())
In [13]: min_dists
Out[13]:
merge_key
0 0
1 4
2 8
dtype: int64
In [14]: df.iloc[min_dists]
Out[14]:
date merge_key jd var2 index distance
0 2010-01-01 00:00:00 0 2455197.500000 0 2010-01-01 00:00:00 0
4 2010-01-01 00:24:00 1 2455197.517361 1 2010-01-01 00:25:00 60
8 2010-01-01 00:48:00 2 2455197.534722 2 2010-01-01 00:50:00 120
我认为这可能是一个错误，所以也许值得打开 an issue .
