假设我有这两个 DataFrame：DATAFRAME 1 onset offset0 1 2001 201 4002 401 6003 601 8004 801 10005 1001 12006 1201 14007 1401 16008 1601 18009 1801 200010 2001 220011 2201 240012 2401 260013 2601 280014 2801 300015 3001 320016 3201 340017 3401 360018 3601 380019 3801 400020 4001 420021 4201 440022 4401 460023 4601 480024 4801 500025 5001 520026 5201 540027 5401 560028 5601 580029 5801 6000DATAFRAME 2 onset rhythm_name rhythm_code offset0 1 NSR 100 27601 2761 JUNCTIONAL 4000 39382 3939 NSR 100 6000我的目标是将两个数据帧与起始偏移间隔合并，并添加它们各自的rhythm_name和rhythm_code以获得如下内容： onset offset rhythm_name rhythm_code0 1 200 NSR 100 1 201 400 NSR 1002 401 600 NSR 1003 601 800 NSR 1004 801 1000 NSR 1005 1001 1200 NSR 1006 1201 1400 NSR 1007 1401 1600 NSR 1008 1601 1800 NSR 1009 1801 2000 NSR 10010 2001 2200 NSR 10011 2201 2400 NSR 10012 2401 2600 NSR 10013 2601 2800 Null Null我可以用什么来做到这一点？我找不到解决这个问题的方法。我试过类似的东西：df1["rhythm_name"] = df2[(df1['onset'] >= df2['onset']) & (df1['offset'] <= df2['offset'])])我明白了：ValueError: Can only compare identically-labeled Series objects
2 回答
素胚勾勒不出你
TA贡献1827条经验 获得超9个赞
您可以pd.merge_asof, 并屏蔽第二个条件：
dfm = pd.merge_asof(df1, df2, on='onset', direction='backward', suffixes=('','_y'))
dfm[['rhythm_name', 'rhythm_code']] = (dfm[['rhythm_name', 'rhythm_code']]
.where(dfm['offset'] <= dfm['offset_y']))
dfm.drop('offset_y', axis=1)
输出：
onset offset rhythm_name rhythm_code
0 1 200 NSR 100.0
1 201 400 NSR 100.0
2 401 600 NSR 100.0
3 601 800 NSR 100.0
4 801 1000 NSR 100.0
5 1001 1200 NSR 100.0
6 1201 1400 NSR 100.0
7 1401 1600 NSR 100.0
8 1601 1800 NSR 100.0
9 1801 2000 NSR 100.0
10 2001 2200 NSR 100.0
11 2201 2400 NSR 100.0
12 2401 2600 NSR 100.0
13 2601 2800 NaN NaN
14 2801 3000 JUNCTIONAL 4000.0
15 3001 3200 JUNCTIONAL 4000.0
16 3201 3400 JUNCTIONAL 4000.0
17 3401 3600 JUNCTIONAL 4000.0
18 3601 3800 JUNCTIONAL 4000.0
19 3801 4000 NaN NaN
20 4001 4200 NSR 100.0
21 4201 4400 NSR 100.0
22 4401 4600 NSR 100.0
23 4601 4800 NSR 100.0
24 4801 5000 NSR 100.0
25 5001 5200 NSR 100.0
26 5201 5400 NSR 100.0
27 5401 5600 NSR 100.0
28 5601 5800 NSR 100.0
29 5801 6000 NSR 100.0
德玛西亚99
TA贡献1770条经验 获得超3个赞
如果你的数据不是太大，你可以使用广播方式：
cond1 = df1.onset.values[:,None] >= df2.onset.values
cond2 = df1.offset.values[:,None] <= df2.offset.values
mask = (cond1&cond2)
idx = np.where(mask.any(1), mask.argmax(1), np.nan)
for col in ['rhythm_name', 'rhythm_code']:
df1[col] = df2[col].reindex(idx).values
输出：
0 1 200 NSR 100.0
1 201 400 NSR 100.0
2 401 600 NSR 100.0
3 601 800 NSR 100.0
4 801 1000 NSR 100.0
5 1001 1200 NSR 100.0
6 1201 1400 NSR 100.0
7 1401 1600 NSR 100.0
8 1601 1800 NSR 100.0
9 1801 2000 NSR 100.0
10 2001 2200 NSR 100.0
11 2201 2400 NSR 100.0
12 2401 2600 NSR 100.0
13 2601 2800 NaN NaN
14 2801 3000 JUNCTIONAL 4000.0
15 3001 3200 JUNCTIONAL 4000.0
16 3201 3400 JUNCTIONAL 4000.0
17 3401 3600 JUNCTIONAL 4000.0
18 3601 3800 JUNCTIONAL 4000.0
19 3801 4000 NaN NaN
20 4001 4200 NSR 100.0
21 4201 4400 NSR 100.0
22 4401 4600 NSR 100.0
23 4601 4800 NSR 100.0
24 4801 5000 NSR 100.0
25 5001 5200 NSR 100.0
26 5201 5400 NSR 100.0
27 5401 5600 NSR 100.0
28 5601 5800 NSR 100.0
29 5801 6000 NSR 100.0
选项 2：另一种（更好的）方法merge_asof：
(pd.merge_asof(df1,df2,on='onset',direction='backward',suffixes=['','_y'])
.query('offset<=offset_y')
.reindex(df1.index)
.drop('offset_y', axis=1)
.fillna(df1)
)
你得到相同的输出。
添加回答
举报
0/150
提交
取消