[英]Pandas Comparing Two Data Frames
我有两个数据框。 我将以循环的形式解释我的要求——因为这就是我将问题形象化的方式。 我意识到可以有另一种解决方案,所以如果可以以不同的方式完成,请随时分享! 我是 Pandas 的新手,所以我正在努力解决这个问题。 提前感谢您看我的问题!!
我有 2 个包含 3 列的数据框:ID、ODO、ODOLength。 ODOLength 是我使用的每个 ODO 记录的运行差异: abs(Df1['Odo'] - Df1['Odo'].shift(-1))
OldDataSet = {'id' : [10,20,30,40,50,60,70,80,90,100,110,120,130,140],'Odo': [-1.09,1.02,26.12,43.12,46.81,56.23,111.07,166.38,191.27,196.41,207.74,231.61,235.84,240.04], 'OdoLength':[2.11,25.1,17,3.69,9.42,54.84,55.31,24.89,5.14,11.33,23.87,4.23,4.2,4.09]}
NewDataSet = {'id' : [1000,2000,3000,4000,5000,6000,7000,8000,9000,10000,11000,12000,13000,14000],'Odo': [1.51,2.68,4.72,25.03,42,45.74,55.15,110.05,165.41,170.48,172.39,190.35,195.44,206.78], 'OdoLength':[1.17,2.04,20.31,16.97,3.74,9.41,54.9,55.36,5.07,1.91,17.96,5.09,11.34,23.89]}
FinalResultDataSet = {'DFOneId':[10,20,30,40,50,60,70,80,90,100,110], 'DFTwoID' : [1000,3000,4000,5000,6000,7000,8000,11000,12000,13000,14000], 'OdoDiff': [2.6,3.7,1.09,1.12,1.07,1.08,1.02,6.01,0.92,0.97,0.96], 'OdoLengthDiff':[0.94,4.79,0.03,0.05,0.01,0.06,0.05,6.93,0.05,0.01,0.02], 'OdoAndLengthDiff':[1.66,1.09,1.06,1.07,1.06,1.02,0.97,0.92,0.87,0.96,0.94]}
df1= pd.DataFrame(OldDataSet)
df2 = pd.DataFrame(NewDataSet)
FinalDf = pd.DataFrame(FinalResultDataSet)
获取 FinalDF 的逻辑如下:从 df1 中取出 Odo 和 OdoLen,然后从 df2 中的每个 Odo 和 OdoLen 列中减去它。 取差值的最小值并匹配它们。 对于 Df1 和 Df2 的下一次比较,从没有匹配的第一个 Df2 记录开始。 如果 Df2 值不是最小值,则对于正在比较的当前 Df1 值,则 DF2 的该记录不包含在最终数据集中。 例如,将 Df1 ID 20- 与 Df2 ID 2000 进行比较,最终结果为 21.4 ((DfOne.ODO:1.02-DfTwo.ODO:2.68) - (DfOneODOLen:25.1-DfTwo.ODoLen-2.04) = 21.4),当 Df1 ID 20 与 Df2 3000 进行比较时,最终差异为 1.09 ((DfOne.ODO:1.02-DfTwo.ODO:4.72) - (DfOneODOLen:25.1-DfTwo.ODoLen-20.31) = 1.06)。 在这种情况下,Df2 ID 3000 与 DF1 ID 20 匹配,而 Df2 ID - 2000 被丢弃,因为差异较大。 此时不考虑 DF2 ID 2000 进行任何其他匹配。 因此下一个 DF1 记录比较将从 DF2 ID 4000 开始,因为这是下一个不匹配的值。
正如我所说,我愿意接受所有建议!
谢谢!
您可以使用merge_asof
第一步:合并数据框
df1['match']=df1.Odo+df1.OdoLength
df2['match']=df2.Odo+df2.OdoLength
out=pd.merge_asof(df1,df2,on='match',direction='nearest')
out.drop_duplicates(['id_y'])
Out[728]:
Odo_x OdoLength_x id_x match Odo_y OdoLength_y id_y
0 -1.09 2.11 10 1.02 1.51 1.17 1000
1 1.02 25.10 20 26.12 4.72 20.31 3000
2 26.12 17.00 30 43.12 25.03 16.97 4000
3 43.12 3.69 40 46.81 42.00 3.74 5000
4 46.81 9.42 50 56.23 45.74 9.41 6000
5 56.23 54.84 60 111.07 55.15 54.90 7000
6 111.07 55.31 70 166.38 110.05 55.36 8000
7 166.38 24.89 80 191.27 172.39 17.96 11000
8 191.27 5.14 90 196.41 190.35 5.09 12000
9 196.41 11.33 100 207.74 195.44 11.34 13000
10 207.74 23.87 110 231.61 206.78 23.89 14000
第2步
然后您可以执行以下操作以获取新列
out['OdoAndLengthDiff']=out.OdoLength_x-out.OdoLength_y+out.Odo_x-out.Odo_y
顺便说一句,我没有删除列,如果需要,在获得所有新值后,您可以使用out=out.drop([columns],1)
删除它
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.