根據三列將一個Pandas數據框中的行與另一個數據框中的行進行匹配

Question

我有兩個Pandas數據框，一個很大（30000+行），一個很小（100+行）。

dfA類似於：

      X     Y    ONSET_TIME    COLOUR 
0   104    78          1083         6    
1   172    78          1083        16
2   240    78          1083        15 
3   308    78          1083         8
4   376    78          1083         8
5   444    78          1083        14
6   512    78          1083        14
... ...   ...           ...       ...

dfB類似於：

    TIME     X     Y
0      7   512   350 
1   1722   512   214 
2   1906   376   214 
3   2095   376   146 
4   2234   308    78 
5   2406   172   146
...  ...   ...   ...  

我要為dfB中的每一行找到dfA中的X AND Y列的值相等且這是dfB ['TIME']的值大於dfA ['的第一行的行ONSET_TIME']並為此行返回dfA ['COLOUR']的值。

dfA表示顯示器的刷新，其中X和Y是顯示器上項目的坐標，因此對於每個不同的ONSET_TIME重復其自身（每個ONSET_TIME值有108對coodinates）。

將有多個行，兩個數據幀中的X和Y相等，但是我也需要與時間匹配的行。

我已經使用for循環和if語句完成此操作，只是為了看看它可以完成，但是顯然，鑒於數據幀的大小，這需要很長時間。

for s in range(0, len(dfA)):
    for r in range(0, len(dfB)):
        if (dfB.iloc[r,1] == dfA.iloc[s,0]) and (dfB.iloc[r,2] == dfA.iloc[s,1]) and (dfA.iloc[s,2] <= dfB.iloc[r,0] < dfA.iloc[s+108,2]):
            return dfA.iloc[s,3]

Answer 1

可能有一種更有效的方法來執行此操作，但是這是一種沒有那些較慢的for循環的方法：

import pandas as pd

dfB = pd.DataFrame({'X':[1,2,3],'Y':[1,2,3], 'Time':[10,20,30]})
dfA = pd.DataFrame({'X':[1,1,2,2,2,3],'Y':[1,1,2,2,2,3], 'ONSET_TIME':[5,7,9,16,22,28],'COLOR': ['Red','Blue','Blue','red','Green','Orange']})

#create one single table
mergeDf = pd.merge(dfA, dfB, left_on = ['X','Y'], right_on = ['X','Y'])
#remove rows where time is less than onset time
filteredDf = mergeDf[mergeDf['ONSET_TIME'] < mergeDf['Time']]
#take min time (closest to onset time)
groupedDf = filteredDf.groupby(['X','Y']).max()

print filteredDf

 COLOR  ONSET_TIME  X  Y  Time
0     Red           5  1  1    10
1    Blue           7  1  1    10
2    Blue           9  2  2    20
3     red          16  2  2    20
5  Orange          28  3  3    30


print groupedDf

COLOR  ONSET_TIME  Time
X Y                          
1 1     Red           7    10
2 2     red          16    20
3 3  Orange          28    30

基本思想是合並兩個表，這樣您就可以將一個表中的時間在一起。 然后，我篩選了最大的記錄（最接近dfB上的時間）。 如果您對此有疑問，請告訴我。

Answer 2

使用merge() -它就像SQL中的JOIN一樣工作-您已經完成了第一部分。

d1 = '''      X     Y    ONSET_TIME    COLOUR 
   104    78          1083         6    
   172    78          1083        16
   240    78          1083        15 
   308    78          1083         8
   376    78          1083         8
   444    78          1083        14
   512    78          1083        14
   308    78          3000        14
   308    78          2000        14''' 


d2 = '''    TIME     X     Y
      7   512   350 
   1722   512   214 
   1906   376   214 
   2095   376   146 
   2234   308    78 
   2406   172   146'''

import pandas as pd
from StringIO import StringIO

dfA = pd.DataFrame.from_csv(StringIO(d1), sep='\s+', index_col=None)
#print dfA

dfB = pd.DataFrame.from_csv(StringIO(d2), sep='\s+', index_col=None)
#print dfB

df1 =  pd.merge(dfA, dfB, on=['X','Y'])
print df1

結果：

     X   Y  ONSET_TIME  COLOUR  TIME
0  308  78        1083       8  2234
1  308  78        3000      14  2234
2  308  78        2000      14  2234

然后，您可以使用它來過濾結果。

df2 = df1[ df1['ONSET_TIME'] < df1['TIME'] ]
print df2

結果：

     X   Y  ONSET_TIME  COLOUR  TIME
0  308  78        1083       8  2234
2  308  78        2000      14  2234