基于某个col1值查找col2值,如果不存在,则使用pandas保留最近的值

2024-03-28 15:49:27 发布

您现在位置:Python中文网/ 问答频道 /正文

我有这样一个数据框:

df
col1      col2      
 1         10
 2         15
 4         12
 5         23
 6         11
 8         32
 9         12
 11        32
 2         23
 3         21
 4         12
 6         15
 9         12
 10        32

我想为col1的每1、5和10个值选择col2值。如果col1值不是1、5或10,则保留col1值最接近1、5或10的col2值

例如,最终df将如下所示:

df
col1      col2      
 1         10
 5         23
 11        32
 2         23
 6         15
 10        32

如何使用熊猫而不使用任何循环


Tags: 数据dfcol2col1个值
3条回答

与pir的方法非常相似

s=df.col1.diff().lt(0).cumsum()
idx=df.reset_index().groupby(s).apply(lambda x : x.set_index('col1').reindex([1,5,10],method='nearest'))['index']
df.loc[idx]
Out[19]: 
    col1  col2
0      1    10
3      5    23
7     11    32
8      2    23
11     6    15
13    10    32

另一种获取索引merge_asof

df['key']=s
import itertools
l=list(itertools.product(df.key.unique().tolist(),[1,5,10]))
mergedf=pd.DataFrame(l,columns=['key','col1']).astype(int)
df.col1=df.col1.astype('int32')
idx=pd.merge_asof(mergedf.sort_values('col1'),df.reset_index().sort_values('col1'),on='col1',by='key',direction ='nearest')['index']

试试这个:

def extract_vals(x, vals=[1,5,10]):
    vals = np.array(vals)
    s = abs(x['col1'].values - vals[:,None])

    return x.iloc[s.argmin(axis=1)]

s = df.col1.diff().lt(0).cumsum()
df.groupby(s).apply(extract_vals).reset_index(drop=True)

由于第二组中存在4,6,因此输出与您的不同:

    col1    col2
0   1       10
1   5       23
2   9       12
3   2       23
4   4       12
5   10      32
  • df.col1.diff().lt(0).cumsum()定义升序值组
  • set_index与那些组col1但将col1drop=False保持在数据帧中
  • groupbypd.concat使用reindexmethod='nearest'

我留下了旧的col1索引,以便您可以看到映射到什么的内容。你知道吗

c = df.set_index([df.col1.diff().lt(0).cumsum().rename('grp'), 'col1'], drop=False)
pd.concat([c.xs(k).reindex([1, 5, 10], method='nearest') for k, c in c.groupby(level=0)])

      col1  col2
col1            
1        1    10
5        5    23
10      11    32
1        2    23
5        6    15
10      10    32

如果您不喜欢索引中额外的col1,可以重命名索引,然后删除它:

c = df.set_index([df.col1.diff().lt(0).cumsum().rename('grp'), 'col1'], drop=False)
pd.concat([c.xs(k).reindex([1, 5, 10], method='nearest') for k, c in c.groupby(level=0)]) \
    .rename_axis(None).reset_index(drop=True)

   col1  col2
0     1    10
1     5    23
2    11    32
3     2    23
4     6    15
5    10    32

相关问题 更多 >