Skip to main content
 首页 » 编程设计

python之如何用Python实现EXCEL的查找功能

2024年11月24日21zhengyun_ustc

我一直在尝试弄清楚如何在 Python 中实现类似于 EXCEL 的 VLOOKUP 函数的功能,以便使用公共(public)值组合多个数据集。我想出了一个确实有效的方法,但我觉得这不是最好的解决方案。在下面的示例中,为了说明我的问题,我将我的数据集限制为只有三个,但实际上,我可能有很多数据集

import pandas as pd 
import numpy as np 
 
time_a   = np.arange(0, 10010, 10) 
data_a1  = np.random.randint(1500, 2500, 1001) 
data_a2  = np.random.randint(750, 1500, 1001) 
 
time_b   = np.arange(0, 10005, 5) 
data_b1  = np.random.randint(0, 10, 2001) 
data_b2  = np.random.randint(0, 20, 2001) 
data_b3  = np.random.randint(0, 15, 2001) 
 
time_c   = np.arange(0, 10030, 30) 
 
df_a     = pd.DataFrame({'time_a': time_a, 'data_a1': data_a1, 'data_a2': data_a2}) 
df_b     = pd.DataFrame({'time_b': time_b, 'data_b1': data_b1, 'data_b2': data_b2, 'data_b3': data_b3}) 
df_c     = pd.DataFrame({'time_c': time_c}) 
 
df_a_c   = pd.merge_asof(df_c, df_a, left_on=['time_c'], right_on=['time_a']) 
df_a_b_c = pd.merge_asof(df_a_c, df_b, left_on=['time_c'], right_on=['time_b']) 

为了让它工作,我需要使用 pd.merge_asof 两次,因为我得到了三个数据集(我想避免)。由于我现在得到三个相同的不同时间(time_a、time_b 和 time_c),它也可能是方便地将其中一个重命名为 time 并删除另外两个:

df_a_b_c.rename(columns={'time_c':'time'}, inplace=True) 
df_a_b_c.drop(columns=['time_a', 'time_b']) 

灵感来自 https://codereview.stackexchange.com/questions/124964/vlookup-in-python ,我也试过没有运气

def vlookup(key, table, column, approximate_match=True): 
    compare = key.__ge__ if approximate_match else key.__eq__ 
    try: 
        return max(row for row in table if compare(row[0]))[column] 
    except ValueError: 
        return None 
  • 可以使用例如 numpy 来完成此操作,还是我必须绕过 pandas?
  • 是否必须多次使用 pd.merge_asof 来合并多个数据集?
  • 如果我只想选择某些列而不合并整个数据集,这可能吗?
  • 在 Python 中推荐的做法是什么?

我非常感谢任何帮助。

请您参考如下方法:

np.searchsorted 与 VLOOKUP(实际上,与 INDEX + MATCH 相同)具有 -1 或 +1(向上或向下排序)集。

df_a     = pd.DataFrame({'time': time_a, 'data_a1': data_a1, 'data_a2': data_a2}) 
df_b     = pd.DataFrame({'time': time_b, 'data_b1': data_b1, 'data_b2': data_b2, 'data_b3': data_b3}) 
df_c     = pd.DataFrame({'time': time_c}) 
 
for df in [df_a, df_b]: 
    for c in df.columns: 
        if c == 'time': 
            continue 
        df_c[c] = df[c].iloc[np.clip(df['time'].searchsorted(df_c.time), 0, len(df)-1)].values