[英]Join two tables with a range criteria using Python Pandas
我有一个与此简化版本类似的问题:
实验结果保存在excel工作表中,我使用Python Pandas处理了数据并将其转换为DataFrames。
下面给出了两个表:Table_Race保存在DataFrame race中Table_standard保存在DataFrame std中
>>> data = [["Gold+",1,30,35],["Silver+",1,25,30],["Bronze+",1,20,25],["Gold",2,20,25],["Silver",2,15,20],["Bronze",2,10,15]]
>>> std = pd.DataFrame(data,columns=['Title','League','Start','End'])
>>> std
Title League Start End
0 Gold+ 1 30 35
1 Silver+ 1 25 30
2 Bronze+ 1 20 25
3 Gold 2 20 25
4 Silver 2 15 20
5 Bronze 2 10 15
>>> data = [["John",1,26],["Ryan",1,33],["Mike",1,9],["Jo",2,15],["Riko",2,21],["Kiven",2,13]]
>>> race = pd.DataFrame(data,columns=['Name','League','Distance'])
>>> race
Name League Distance
0 John 1 26
1 Ryan 1 33
2 Mike 1 9
3 Jo 2 21
4 Riko 2 15
5 Kiven 2 13
>>>
我想检查每个球员的距离,并根据标准获得他们的头衔:
Title <= distance in [start, end) and need to match league
例如:来自联赛2的乔,距离15在[15,20]之间。 请注意,它不是[10,15),因此他获得了标题“银”
预期结果如下:
Name League Distance Title
John 1 26 Silver+
Ryan 1 33 Gold+
Mike 1 9 N/A
Jo 2 21 Gold
Riko 2 15 Silver
Kiven 2 13 Bronze
我可以使用两个循环来实现此目的,这两个循环基本上从Table_race获取每个距离,并从种族的每一行(联赛,距离)中搜索(l,d)
寻找条件:
l == League && d >= Start && d < End
但是此方法的速度为O(N ^ 2),它太慢了,因为我的数据很容易超过100,000,这需要数小时才能完成。
有更好的解决方案吗?
仍在研究解决方案,但这里是一些开始:
>>> data = [["Gold+",1,30,35],["Silver+",1,25,30],["Bronze+",1,20,25],["Gold",2,20,25],["Silver",2,15,20],["Bronze",2,10,15]]
>>> std = pd.DataFrame(data,columns=['Title','League','Start','End'])
>>> std
Title League Start End
0 Gold+ 1 30 35
1 Silver+ 1 25 30
2 Bronze+ 1 20 25
3 Gold 2 20 25
4 Silver 2 15 20
5 Bronze 2 10 15
>>> data = [["John",1,26],["Ryan",1,33],["Mike",1,9],["Jo",2,21],["Riko",2,15],["Kiven",2,13]]
>>> race = pd.DataFrame(data,columns=['Name','League','Distance'])
>>> race
Name League Distance
0 John 1 26
1 Ryan 1 33
2 Mike 1 9
3 Jo 2 21
4 Riko 2 15
5 Kiven 2 13
>>> result=pd.merge(race,std,on='League')
>>> result = result[(result.Distance >= result.Start)&(result.Distance < result.End)][["Name","League","Distance","Title"]]
>>> result
Name League Distance Title
1 John 1 26 Silver+
3 Ryan 1 33 Gold+
9 Jo 2 21 Gold
13 Riko 2 15 Silver
17 Kiven 2 13 Bronze
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.