比較兩個數據框，然后根據另一個將新列添加到其中一個數據框

Question

我需要能夠比較兩個數據幀，一個帶有一列，一個帶有兩列，如下所示：

import numpy as np
import pandas as pd

df_1 = pd.DataFrame(columns=list('AB'))
df_1['A'] = np.random.randint(00,99,size=(5))

df_2  = pd.DataFrame(columns=list('XY'))
df_2['X'] = np.arange(0,100,0.1)
df_2['Y'] = np.cos(df_2['X']) + 30

現在，我想比較df_1 ['A']和df_2 ['X']來找到匹配的值，然后在df_1中創建第二列（aka df_1 ['B']），並使用df_2 ['Y' ]，該值對應於匹配的df_2 ['X']值。 有沒有人有辦法解決嗎？

如果數據幀的前兩列之間沒有精確匹配的值，是否有辦法匹配下一個最接近的值（閾值約為5％）？

Answer 1

如OP中所述，如果df_2 ['X']中不存在完全匹配的內容，您可能還希望捕獲與df_1 ['A']列表最接近的值...為此，您可以嘗試以下操作：

根據OP定義df：

df_1 = pd.DataFrame(columns=list('AB'))
df_1['A'] = np.random.randint(00,99,size=(5))

df_2  = pd.DataFrame(columns=list('XY'))
df_2['X'] = np.arange(0,100,0.1)
df_2['Y'] = np.cos(df_2['X']) + 30 #changed "line_x"

首先定義一個函數，該函數將找到最接近的值：

import numpy as np    
def find_nearest(df, in_col, value, out_col): #args = input df (df_2 here), column to match against ('X' here), value to match in in_col (values in df_1['A'] here), column with data you want ('Y' here)
    array = np.asarray(df[in_col])
    idx = (np.abs(array - value)).argmin()
    return df.iloc[idx][out_col]

然后獲取所需的所有df_2 ['Y']值：

matching_vals=[] #declare empty list of matching values from df_2['Y'] to add to df_1['B']
for A in df_1['A'].values: #loop through all df_1['A'] values
    if A in df_2['X']: # if exact match
        matching_vals.append(float(df_2[df_2['X']==A]['Y'])) #append corresponding df_2['Y'] value to list
    else: #no exact match
        matching_vals.append(find_nearest(df_2,'X',A,'Y')) #append df_2['Y'] value with closest match in df_2['X'] column

最后，將其添加到原始df_1中：

df_1['B']=matching_vals

該示例適用於您提供的dfs，但是您可能不得不稍微花一些時間來處理真實數據...

如果您要強制執行5％閾值規則，也可以再添加一個if語句。如果不通過，只需將nan附加到列表中（或最適合您的方法）

Answer 2

df_2.merge(df_1, left_on=['X'], right_on=['A']).rename({'Y':'B', axis='columns')

在將“ Y”重命名為“ B”之后，合並過濾器會過濾df_1['A']和df_2['X']之間的公共值。