我有两个dataframes,说A
和B
,有一些被命名的栏目attr1
,attr2
,attrN
。
我有一个确定的距离度量,并且我想合并数据帧,以使其中的每一行A
与B
属性之间距离最短的行合并。请注意,B
合并时可以重复输入。
例如(使用一个属性可以使事情简单),使用绝对差值距离合并这两个表 |A.attr1 - B.att1|
A | attr1 B | attr1
0 | 10 0 | 15
1 | 20 1 | 27
2 | 30 2 | 80
应该产生以下合并表
M | attr1_A attr1_B
0 | 10 15
1 | 20 15
2 | 30 27
我目前的处理方式很慢,它基于比较的每一行A
和的每一行B
,但是代码也不清楚,因为我必须保留合并索引,但我一点也不满意,但是我无法提出更好的解决方案。
如何使用熊猫执行上述合并?是否有任何方便的方法或功能在这里会有所帮助?
编辑:只是为了澄清,在数据帧中还有距离计算中未使用的其他列,但也必须合并。
一种方法如下:
A = pd.DataFrame({'attr1':[10,20,30]})
B = pd.DataFrame({'attr1':[15,15,27]})
创建交叉键的合并键以获取所有组合
A = A.assign(key=1)
B = B.assign(key=1)
merged_AB =pd.merge(A,B, on='key',suffixes=('_A','_B'))
现在让我们在merged_AB中找到最小距离
M = merged_AB.groupby('attr1_A').apply(lambda x:abs(x['attr1_A']-x['attr1_B'])==abs(x['attr1_A']-x['attr1_B']).min())
merged_AB[M.values].drop_duplicates().drop('key',axis=1)
输出:
attr1_A attr1_B
0 10 15
3 20 15
8 30 27
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句