Pandas 通过在两个不同的数据框/熊猫中选择多个列来创建条件列

Question

问题：我有 2 个数据框；df1 具有线圈 ID、样本因子、序列。每个coil_id 有449 条记录（范围1-499）并且有大约1000 个唯一的coil_id。df2 具有线圈 ID、样本、仪表。每个coil_id 大约有500 条记录（范围10-5000；可以更少）并且具有与df1 中相同的1000 个唯一coil_id。df1：+-------+-----------------|coil_id|sample_factor|SEQ+-------+-----------------|E101634|10.4066      |  1|E101634|20.8132      |  2|E101634|31.2198      |  3 |E101634|41.6264      |  4|E101634|5220.033     |449df2：+-------+------+------+--|coil_id|SAMPLE|GAUGE |+-------+------+------+--|E101634|    10|0.0565||E101634|    20|0.0569||E101634|    30|0.0567||E101634|    40|0.0561||E101634|  5000| 0.055|由于记录数不同，我无法加入两个表。如果我这样做，我的样本值和仪表会发生变化。所以我不应该加入。接下来，我需要检查df1.sample_factor是否位于 df2.sample 和 df2.sample+1 之间，然后对gauge进行计算。示例：（如果 10.4 位于 10 和 20 之间，则0.0565+(((0.0569-0.0565)/10)*(10.4-10))）基本上按比例分配仪表。我想从 df1 中的 Sample_factor 迭代每一行，并检查它是否位于 df2 中的 sample[i] 和 sample[i+1] 之间。然后对仪表执行按比例计算并将结果添加到 df1。我试过这个：def new_gauge : for row in df1('sample_factor'):    if df1['sample_factor'] > df2['sample'] and df1['sample_factor'] < df2['sample'] + 1:        return df2['gauge']+(((df2['gauge']+1)-df2['gauge'])/10)*(df1['sample_factor']-df2['sample']))df1['new_gauge'] = df1.apply(new_gauge)我知道它在语法上绝对错误，只是为了了解我想要什么。任何帮助表示赞赏。谢谢：）输出：

Answer 1

这是与您的预期输出相匹配的起始样本数据

df1

   coil_id  sample_factor  SEQ

0  E101634        10.4066    1

1  E101634        20.8132    2

2  E101634        31.2198    3

3  E101634        41.6264    4

4  E101634        52.0330    5

5  E101634        62.4396    6

6  E101634      5220.0330  449

df2

   coil_id  SAMPLE   GAUGE

0  E101634      10  0.0550

1  E101634      20  0.0568

2  E101634      30  0.0543

3  E101634      40  0.0531

4  E101634      50  0.0529

5  E101634      60  0.0519

第一步是merge_asof将样本因子带到最接近的样本。然后计算new_gauge每一行的列。但是，我们只会在 sample_factor 介于其当前行和下一行的值之间并且线圈 ID 与其和下一行的值相同时才实际分配一个值。

import pandas as pd

merged = pd.merge_asof(df2.assign(SAMPLE = df2.SAMPLE.astype('float')).sort_values('SAMPLE'), 

                       df1.sort_values('sample_factor'),

                       by='coil_id',

                       left_on='SAMPLE',

                       right_on='sample_factor',

                       direction='forward')

print(merged)

#   coil_id  SAMPLE   GAUGE  sample_factor  SEQ

#0  E101634    10.0  0.0550        10.4066    1

#1  E101634    20.0  0.0568        20.8132    2

#2  E101634    30.0  0.0543        31.2198    3

#3  E101634    40.0  0.0531        41.6264    4

#4  E101634    50.0  0.0529        52.0330    5

#5  E101634    60.0  0.0519        62.4396    6

# Now perform your calculation:

new_gauge = (merged.GAUGE.shift(1) 

             + ((merged.GAUGE - merged.GAUGE.shift(1))/10 

                 * (merged.sample_factor - merged.SAMPLE.shift(1))))

# Assign it only where it makes sense

# Assumes df2 was sorted on ['coil_id',  'SAMPLE']

mask = (merged.sample_factor.between(merged.SAMPLE, merged.SAMPLE.shift(-1)) 

        & (merged.coil_id == merged.coil_id.shift(-1)))

merged.loc[mask, 'new_gauge'] = new_gauge[mask] 

输出： merged

   coil_id  SAMPLE   GAUGE  sample_factor  SEQ  new_gauge

0  E101634    10.0  0.0550        10.4066    1        NaN

1  E101634    20.0  0.0568        20.8132    2   0.056946

2  E101634    30.0  0.0543        31.2198    3   0.053995

3  E101634    40.0  0.0531        41.6264    4   0.052905

4  E101634    50.0  0.0529        52.0330    5   0.052859

5  E101634    60.0  0.0519        62.4396    6        NaN

在这种情况下，我们没有分配最后一行，因为您提供的子集中没有样本 > 60。