我一直试图找出如何在Python中实现类似于EXCEL的VLOOKUP函数的特性,以便使用公共值组合多个数据集。我想出了一个可行的办法,但我觉得这不是最好的解决办法。在下面的示例中,为了说明我的问题,我将数据集限制为三个,但实际上,我可能有许多数据集。
import pandas as pd
import numpy as np
time_a   = np.arange(0, 10010, 10)
data_a1  = np.random.randint(1500, 2500, 1001)
data_a2  = np.random.randint(750, 1500, 1001)
time_b   = np.arange(0, 10005, 5)
data_b1  = np.random.randint(0, 10, 2001)
data_b2  = np.random.randint(0, 20, 2001)
data_b3  = np.random.randint(0, 15, 2001)
time_c   = np.arange(0, 10030, 30)
df_a     = pd.DataFrame({'time_a': time_a, 'data_a1': data_a1, 'data_a2': data_a2})
df_b     = pd.DataFrame({'time_b': time_b, 'data_b1': data_b1, 'data_b2': data_b2, 'data_b3': data_b3})
df_c     = pd.DataFrame({'time_c': time_c})
df_a_c   = pd.merge_asof(df_c, df_a, left_on=['time_c'], right_on=['time_a'])
df_a_b_c = pd.merge_asof(df_a_c, df_b, left_on=['time_c'], right_on=['time_b'])为了使这一工作有效,我需要两次使用pd.merge_asof,考虑到我得到了三个数据集(我想避免这种情况)。由于我现在有三个相同的时间(time_a、time_b和time_c),所以也可以方便地将其中一个重命名为time并删除另外两个:
df_a_b_c.rename(columns={'time_c':'time'}, inplace=True)
df_a_b_c.drop(columns=['time_a', 'time_b'])在https://codereview.stackexchange.com/questions/124964/vlookup-in-python的启发下,我也尝试使用而没有任何运气。
def vlookup(key, table, column, approximate_match=True):
    compare = key.__ge__ if approximate_match else key.__eq__
    try:
        return max(row for row in table if compare(row[0]))[column]
    except ValueError:
        return Nonepd.merge_asof来组合多个数据集吗?我非常感谢你的帮助。
发布于 2019-02-12 11:54:43
np.searchsorted与设置为a-1或+1 (排序或向下)的VLOOKUP相同(实际上,与索引+匹配相同)。
df_a     = pd.DataFrame({'time': time_a, 'data_a1': data_a1, 'data_a2': data_a2})
df_b     = pd.DataFrame({'time': time_b, 'data_b1': data_b1, 'data_b2': data_b2, 'data_b3': data_b3})
df_c     = pd.DataFrame({'time': time_c})
for df in [df_a, df_b]:
    for c in df.columns:
        if c == 'time':
            continue
        df_c[c] = df[c].iloc[np.clip(df['time'].searchsorted(df_c.time), 0, len(df)-1)].valueshttps://stackoverflow.com/questions/54647865
复制相似问题