Pandas：如何按没有完全匹配的相关列组合数据框，以及可能的内部重复？

Question

这个问题与Pandas相关，但不完全相同：如何通过最接近的索引匹配组合两个数据帧？.给定两个数据框df1[['A1', 'B1']]和df2[['A2', 'B2']]，我想将它们组合起来，所以我最终得到了一个数据框df3[['A2, 'B2', 'B1', 'A1']]，其中 的等位基因值'A1'已与最接近'B2'的'B1'. 下面是一个示例，您会在最后找到完整的数据示例和可重现的代码。df1：（重复 B1 = -9.33）       A1     B10 -128.65 -12.301 -117.74 -11.982 -117.19 -11.913 -109.43 -10.034  -93.75  -9.335  -87.27  -9.336  -85.59  -5.967  -76.18  -5.51df2：       A2     B20  -69.06 -12.641  -86.88 -12.122  -95.95 -11.353 -103.87 -10.674 -105.78  -9.635 -108.11  -9.206 -111.07  -9.067 -126.42  -6.37请注意 df2['A2'] 正在下降，而所有其他列都在上升。期望的输出：       A2     B2     B1   A10  -69.06 -12.64 -12.30 -128.65  1  -86.88 -12.12 -11.98 -117.74  2  -95.95 -11.35 -10.03 -109.433 -103.87 -10.67 -10.03 -109.43 4 -105.78  -9.63  -9.33 -87.27  5 -108.11  -9.20  -9.33 -87.276 -111.07  -9.06  -5.96 -85.597 -126.42  -6.37  -5.96 -85.59注意事项：的正确匹配df2['B2']=-12.12是df1['B1']=-11.98对应的df['A1']=-117.74，因为df2['B2']=-12.12大于df2['B2']=-12.30并且-11.98是列中的下一步。对于重复值df1['B1'].iloc[4] = df1['B1'].iloc[5] = -9.33，df1['A1'] = -87.27是正确的匹配，因为它是最大的值。如果最佳解决方案包括将某些列设置为索引，我根本不介意！这是一个可重现的片段：#importsimport numpy as npimport pandas as pd# Some sample datanp.random.seed(1234)data1 = {'A1':sorted(np.random.normal(100, 20, 8)*-1),         'B1':sorted(np.random.normal(10, 2, 8)*-1)}data2 = {'A2':sorted(np.random.normal(100, 20, 8)*-1,reverse = True),         'B2':sorted(np.random.normal(10, 2, 8)*-1)}# Two dataframesdf1 = pd.DataFrame(data1).round(2)df2 = pd.DataFrame(data2).round(2)# Duplicate scenario 1: Duplicate A1 valuesdf1['B1'].iloc[4] = df1['B1'].iloc[5]感谢您的任何建议！

Answer 1

这是pd.merge_asof在首先处理重复项之后。排序'A1'然后在 上删除重复项'B1'，'A1'为每个唯一的留下最大的值'B1'：

import pandas as pd

#df2 = df2.sort_values('B2') # If not sorted by `B2`

pd.merge_asof(df2, 

              df1.sort_values('A1').drop_duplicates('B1', keep='last').sort_values('B1'),

              left_on='B2', right_on='B1', direction='forward')

输出：

       A2     B2      A1     B1

0  -69.06 -12.64 -128.65 -12.30

1  -86.88 -12.12 -117.74 -11.98

2  -95.95 -11.35 -109.43 -10.03

3 -103.87 -10.67 -109.43 -10.03

4 -105.78  -9.63  -87.27  -9.33

5 -108.11  -9.20  -85.59  -5.96

6 -111.07  -9.06  -85.59  -5.96

7 -126.42  -6.37  -85.59  -5.96

如果您需要保持原来的顺序，可以考虑重置索引，以便在合并后将其添加为列，然后将其设置回原位并对索引进行排序。