在数据框中找到匹配条件的第一行

Posted 2023-02-16

【中文标题】在数据框中找到匹配条件的第一行

【英文标题】：Finding first row in dataframe that matches condition

【发布时间】：2015-12-24 15:15:02

【问题描述】：

我有两个数据框。我的第一个数据框有两列，我想用它们来创建条件并从第二个数据框返回一个值。

df1 = (['a', 'a', 'b', 'c'], [0.4, 0.9, 0.1, 0.6])

df2 = (['a', 'a', 'b', 'b', 'c', 'c'], [0.2, 0.6, 0.3, 0.8, 0.1, 0.4], 
              [500, 200, 900, 400, 250, 800])

对于 df1 中的每一行，我想通过两列数据查找 df2。第一个条件是将 df1 中的字母与 df2 匹配。第二个条件是查找 df2 中数字大于 df1 的第一个数字行。如果没有更大的数字，则取 df2 中与该字母匹配的第一行。

我的目标输出是：

df1 row[0] = 500 # 'a' 匹配 'a' & 0.4 大于 0.2 df1 row[1] = 200 # 'a' 匹配 'a' & 0.9 大于 0.6 df1 row[2] = 900 # 'b' 匹配 'b' & 没有行大于 0.1 所以返回第一个 'b' 行 df1 row[3] = 800 # 'c' 匹配 'c' & 0.6 大于 0.4

对于我的问题的任何不良格式表示歉意，请提供有关发布的任何建议（这是我的第一个）。

非常感谢！

【参考方案1】：

您可以迭代 df1 并根据第 0 列字母和大于两列 1 之间的比较进行选择。假设您的第 1 列值是升序的，如果所选数据框不为空，则存储第 2 列的最后一个值. 如果为空，则获取与第 0 列选择匹配的 df2 col 2 的第一个值。

这是一个例子，我将结果存储在字典中。

例子：

您的数据

import pandas as pd

df1 = pd.DataFrame(data = [['a', 'a', 'b', 'c'], [0.4, 0.9, 0.1, 0.6]]).transpose()

df2 = pd.DataFrame(data = [['a', 'a', 'b', 'b', 'c', 'c'], [0.2, 0.6, 0.3, 0.8, 0.1, 0.4], [500, 200, 900, 400, 250, 800]]).transpose()

迭代：

results =  # dictionnary to store results

for i, row in df1.iterrows():
    select = df2[(df2[0] == row[0]) & (df2[1] < row[1])] # selection

    if not select.empty:
        results[i] = select[2].iloc[-1] # storing last value of column 2
    else:
        results[i] = df2[df2[0] == row[0]][2].iloc[0] # storing first value if no greater than match

print results # 0: 500, 1: 200, 2: 900, 3: 800

【讨论】：

感谢您的快速回答，这很好地解决了我的问题。

【参考方案2】：

我认为最好避免迭代。 我将来自df1 和df2 的数据按a 列合并在一起。输出的行数是原始 df1 的两倍。然后条件由 np.where 应用并将输出转换为整数。系列s 包含输出，每个奇数值。 （因为将df1 的一行与df2 的两行合并）

#   a    b
#0  a  0.4
#1  a  0.9
#2  b  0.1
#3  c  0.6

#   a    c    d
#0  a  0.2  500
#1  a  0.6  200
#2  b  0.3  900
#3  b  0.8  400
#4  c  0.1  250
#5  c  0.4  800  

#merged data - intersection df1 and df2 by column a
df = pd.merge(df1, df2, on=['a'], how='inner')
#apply condition
s = np.where(df['c']< df['b'], df['d'], df['d'].shift(1)).astype('int')
#odd values
s = s[1::2]
#[500 200 900 800]

#if need add data do df1 as column e
#df1['e'] = pd.Series(s, index=df1.index)

迭代解决方案（Delforge）：

100 loops, best of 3: 4.67 ms per loop

合并解决方案（我）：

100 loops, best of 3: 1.93 ms per loop

【讨论】：

感谢 jezrael，我一直在使用您的解决方案，它看起来非常好。关于最后一行代码，您查找奇数值以将数据添加回原始数据帧。我正在使用的实际数据的每个元素具有不同的长度（因为我可以在 c 列中为 a 列中的一个元素设置三个值，在 a 列中为另一个元素设置五个值）。查找存储在 s 中的结果并将它们添加回 df1 的好方法是什么？再次感谢您的帮助。