问pandas数据帧之间的匹配间隔
EN

Stack Overflow用户

提问于 2018-03-22 01:29:05

回答 1查看 204关注 0票数 2

我有两个数据帧。第一个(file_1)，包含ID列和深度从和深度到

           ID  Depth_From  Depth_To 
0      HLD032      611.10    612.00  
1      HLD032      612.00    612.20   
2      HLD032      612.20    614.80  
3      HLD032      614.80    616.20 
4      HLD032      616.20    617.80
...        ...         ...       ...  
10082  HLD650      594.80    596.50      
10083  HLD650      596.50    597.40        
10084  HLD650      597.40    598.10

第二个数据帧(file_2)，包含一个ID列、深度自和深度到以及一些参数(填充、粗糙度、厚度)。

            ID  Depth_From  Depth_To Infill Roughness  Thickness
0       HLD032      681.30   681.301    Qtz         R        0.5
1       HLD032      681.37   681.371    Qtz         R        0.5
2       HLD032      681.50   681.501    Qtz         R        0.5
3       HLD032      682.15   682.151    Qtz         R        0.5
4       HLD032      682.71   682.711    Qtz         R        0.5
...        ...         ...       ...    ...       ...        ...
125219  HLD650      569.95   569.970    Qtz         R       24.0
125220  HLD650      573.08   573.090    Qtz         R        5.0
125221  HLD650      588.97   588.980    Qtz         R       10.0

我需要的是为第二个数据帧(file_2)中的每个ID和每个间隔(depth from，depth to)为file_1创建相应的参数(填充、粗糙度、厚度)。

因为每个参数的一个以上的值将对应于每个间隔，所以我想要一个类似这样的列

            ID  Depth_From  Depth_To Infill             Roughness  Thickness
0       HLD032      611.10    612.00     Qtz, Qtz, Qtz    R,R,R,K   0.3,0.10.5
1       HLD032      681.37   681.371    Qtz, Chl,Chl      S,R,R   0.1.0.2,0.5
2       HLD032      681.50   681.501    Qtz,Btz,Lm       R,Y,Y        0.5,3,1

有人能帮我吗？

pandas

dataframe

intervals

matching

人脸识别特惠活动

精准实时的人脸检测、分析、识别等服务，在线、离线满足多样需求，可应用于智慧零售、智慧社区、在线娱乐等多种应用场景

回答 1

Stack Overflow用户

发布于 2018-03-29 09:22:41

希望您能够通过我创建的数据利用此解决方案：

import pandas as pd

df1 = pd.DataFrame({'ID': [1, 1, 1, 1, 2, 2, 2, 2],
                    'From': [1, 3, 5, 7, 1, 2, 3, 4],
                    'To': [4, 6, 6, 9, 3, 4, 7, 6]})

df2 = pd.DataFrame({'ID': [1, 1, 2],
                    'From': [3, 5, 5],
                    'To': [4, 6, 6],
                    'Value': [5,10,15]})

df1['Value'] = df1.apply(lambda x: ', '.join(df2.loc[(df2['ID']==x['ID'])& \
                                                    (df2['From']>=x['From'])& \
                                                    (df2['To']<=x['To']), 'Value'].astype(str).tolist()), axis=1)
df1
#   From  ID  To  Value
#0     1   1   4      5
#1     3   1   6  5, 10
#2     5   1   6     10
#3     7   1   9       
#4     1   2   3       
#5     2   2   4       
#6     3   2   7     15
#7     4   2   6     15