Объединить два кадра данных pandas с небольшим запасом ошибок для выбранного значения каждой строки?

Два кадра данных key1 увеличиваются с линейной скоростью, но может быть какая-то ошибка.

df1

key1 key2 key 3
  0   1    2
 20   3    4
 40   5    6    <- this row
 60   7    8

дф2

key1 key4 key5
  0   9    10
 20   11   12
 39   13   14    <- this row
 60   15   16

После слияния df1 и df2 результат должен быть:

df3

key1 key2 key3 key4 key5
  0   1    2    9    10
 20   3    4    11   12
 40   5    6    13   14    <- this row
 60   7    8    15   16

Значение, используемое для объединенного df в строке, должно быть целым числом, представляющим собой округленное среднее арифметическое.

Я попытался создать вложенный цикл for, проходящий через df1 и df2, и проверить значения в key1, если разница в значении больше 1, я просто добавлю новую строку в df3 с nan в отсутствующей части.

например:

некоторая строка в df1:

key1 key2 key 3
100   20   21

какая-то строка в df2:

key1 key4 key5
105   22   23

Что нужно добавить в df3:

key1 key2 key3 key4 key5
100   20   21   nan  nan
105   nan  nan  22   23

Этот подход очень медленный, и мой компьютер за ночь выполнил только 4% обработки.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
24
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

pd.merge_asof предназначался для этого:

df3 = pd.merge_asof(df1, df2, on='key1')

Выход:

>>> df3
   key1  key2  key3  key4  key5
0     0     1     2     9    10
1    20     3     4    11    12
2    40     5     6    13    14
3    60     7     8    15    16

Спасибо за ответы! Это работало хорошо, но все еще есть некоторые проблемы: возможно ли, что merge_asof() может сохранять несопоставленные строки? Я проверил его документацию, но там ничего не указано.

StepBroBD 16.03.2022 22:15

@StepBroBD не похоже. Но, я думаю, есть способ. Похоже, что merge_asof использует key1 из первой df, поэтому мы можем просто выбрать строки из второй df, где key1 нет в объединенной df. df2[~df3['key1'].isin(df2['key1'])]

richardec 16.03.2022 22:37

Другие вопросы по теме