Skip to main content
 首页 » 编程设计

python之根据 DataFrame A 中行中的值从 DataFrame B 中选择行

2024年12月31日10dudu

我有两个数据框。数据框 A是:

[distance]      [measure] 
17442.77000     32.792658 
17442.95100     32.792658 
17517.49200     37.648482 
17518.29600     37.648482 
17565.77600     38.287118 
17565.88800     38.287118 
17596.93700     41.203340 
17597.29700     41.203340 
17602.16400     41.477979 
17602.83900     41.612774 
17618.16400     42.479890 
17618.71100     42.681591 

和数据框B这是:

[mileage]      [Driver] 
17442.8         name1 
17517.5         name2 
17565.8         name3 
17597.2         name4 
17602.5         name5 
17618.4         name6 

对于每个 [mileage]数据框中的行 B , 我想从 [distance] 中找到两行在数据框中 A其中A.loc[(A['distance']>= milage_value) & A['distance']<= mileage_value]所以我可以有这样的东西:

17442.77000     32.792658 
17442.8         name1 
17442.95100     32.792658 
17517.49200     37.648482 
17517.5         name2 
17518.29600     37.648482 
.               . 
.               . 

所以我可以在大小为 3 的滚动窗口中应用以下函数:

def f(x): 
    return df.iloc[0,1]+(df.iloc[2,1]-df.iloc[0,1])*((df.iloc[1,0]-df.iloc[0,0])/(df.iloc[2,0]-df.iloc[0,0])) 
a = df.rolling(window=3, min_periods=1).apply(f)[::3].reset_index(drop=True) 

到目前为止,我一直在连接两个 Df 并对值进行排序以生成上面的三元组,但是当来自 df B 的两个值时出现问题在 A[distance] 的距离范围内.非常感谢任何提示/建议!

请您参考如下方法:

我认为您可以使用 direction 参数和 drop_duplicates 将以下内容与 merge_asof 一起使用:

df_before = pd.merge_asof(df_a, df_b,  
                 left_on='distance',  
                 right_on='mileage',  
                 direction='backward')\ 
              .drop_duplicates(['mileage','Driver'], keep='first')[['distance','measure']] 
 
df_after = pd.merge_asof(df_a, df_b,  
                         left_on='distance',  
                         right_on='mileage', direction='forward')\ 
             .drop_duplicates(['mileage', 'Driver'], keep='last')[['distance','measure']] 
 
df_middle = df_b.rename(columns={'Driver':'measure','mileage':'distance'}) 
 
pd.concat([df_before, df_middle, df_after]).sort_values('distance').drop_duplicates() 

输出:

     distance  measure 
0   17442.770  32.7927 
0   17442.800    name1 
1   17442.951  32.7927 
2   17517.492  37.6485 
1   17517.500    name2 
3   17518.296  37.6485 
4   17565.776  38.2871 
2   17565.800    name3 
5   17565.888  38.2871 
6   17596.937  41.2033 
3   17597.200    name4 
7   17597.297  41.2033 
8   17602.164   41.478 
4   17602.500    name5 
9   17602.839  41.6128 
10  17618.164  42.4799 
5   17618.400    name6 
11  17618.711  42.6816