基于三列将一个Pandas数据框中的行与另一个Pandas数据框中的行匹配

Question

我有两个Pandas数据框，一个很大（30000多行），一个小得多（100多行）。

dfA看起来像：

      X     Y    ONSET_TIME    COLOUR 
0   104    78          1083         6    
1   172    78          1083        16
2   240    78          1083        15 
3   308    78          1083         8
4   376    78          1083         8
5   444    78          1083        14
6   512    78          1083        14
... ...   ...           ...       ...

dfB看起来像：

    TIME     X     Y
0      7   512   350 
1   1722   512   214 
2   1906   376   214 
3   2095   376   146 
4   2234   308    78 
5   2406   172   146
...  ...   ...   ...  

我要做的是让dfB中的每一行在dfA中找到X和Y列的值相等的行，这是dfB['TIME']的值大于dfA['set_TIME']的第一行，并返回该行的dfA['COLOUR']的值。

dfA表示显示器的刷新，其中X和Y是显示器上项目的坐标，因此在每个不同的起始时间重复它们自己（起始时间的每个值有108对坐标）。

在两个数据帧中X和Y相等的地方会有多行，但我也需要一个与时间匹配的行。

我使用for循环和if语句完成了这项工作，只是为了看看是否可以完成，但显然，考虑到数据帧的大小，这需要很长时间。

for s in range(0, len(dfA)):
    for r in range(0, len(dfB)):
        if (dfB.iloc[r,1] == dfA.iloc[s,0]) and (dfB.iloc[r,2] == dfA.iloc[s,1]) and (dfA.iloc[s,2] <= dfB.iloc[r,0] < dfA.iloc[s+108,2]):
            return dfA.iloc[s,3]

Answer 1

可能有一种更有效的方法可以做到这一点，但这里有一种方法没有那些慢for循环：

import pandas as pd

dfB = pd.DataFrame({'X':[1,2,3],'Y':[1,2,3], 'Time':[10,20,30]})
dfA = pd.DataFrame({'X':[1,1,2,2,2,3],'Y':[1,1,2,2,2,3], 'ONSET_TIME':[5,7,9,16,22,28],'COLOR': ['Red','Blue','Blue','red','Green','Orange']})

#create one single table
mergeDf = pd.merge(dfA, dfB, left_on = ['X','Y'], right_on = ['X','Y'])
#remove rows where time is less than onset time
filteredDf = mergeDf[mergeDf['ONSET_TIME'] < mergeDf['Time']]
#take min time (closest to onset time)
groupedDf = filteredDf.groupby(['X','Y']).max()

print filteredDf

 COLOR  ONSET_TIME  X  Y  Time
0     Red           5  1  1    10
1    Blue           7  1  1    10
2    Blue           9  2  2    20
3     red          16  2  2    20
5  Orange          28  3  3    30


print groupedDf

COLOR  ONSET_TIME  Time
X Y                          
1 1     Red           7    10
2 2     red          16    20
3 3  Orange          28    30

基本思想是合并两个表，这样就可以将时间放在一个表中。然后我过滤了最大的rec（最接近dfB上的时间）。如果你对此有疑问请告诉我。