根據具有共享列的另一個數據幀在數據幀中查找第一次出現的值

Question

我試圖根據具有相同標識符的另一個數據框的值來查找超過閾值的值的第一次出現。 在下面的示例中，“Trace”列將是相同的標識符。 但是，第二個數據幀僅包含每個“跟蹤”編號的一個值。 目標是找到 df1 的“信號”列超過 df2 中“信號”列的 2 倍的第一次出現。 另外，我想將其余信息保留在符合給定條件的行中。

df1 = {"Trace": [1,1,1,1,1,2,2,2,2,2], "Sample": [1,2,3,4,5,1,2,3,4,5], "Signal": [2,3,5,6,1,8,9,5,4,3]}

df2 = {"Trace": [1,2], "Sample": [4,2], "Signal": [2,4]}

例如，在給定的情況下，我想創建一個新的數據框 (df3)，其中包含 df2 中“信號”列超出 df2 中原始“信號”列（應該是 4 和 6）的 2 倍的實例。 因此，新數據框 (df3) 將包含 1 和 2 的“跟蹤”值、3 和 2 的“樣本”值以及 5 和 9 的“信號”值。

有任何想法嗎？ 我曾嘗試使用 .groupby 和 .loc，但我似乎無法得到我想要的。

Answer 1

import pandas as pd

df1 = pd.DataFrame({
    "Trace": [1,1,1,1,1,2,2,2,2,2],
    "Sample": [1,2,3,4,5,1,2,3,4,5],
    "Signal": [2,3,5,6,1,8,9,5,4,3],
})
df2 = pd.DataFrame({
    "Trace": [1,2],
    "Sample": [4,2],
    "Signal": [2,4]},
)

df3 = df1.merge(
    df2[['Trace', 'Signal']],
    on='Trace'
)
mask = (df3.Signal_x > 2 * df3.Signal_y)
df3 = df3.loc[mask]

mask = ~df3.duplicated('Trace')
df3 = df3.loc[mask]

生成的df3應如下所示：

   Trace  Sample    Signal_x    Signal_y
2      1       3           5           2
6      2       2           9           4