比较两个独立数据帧中的数据并在Python/Pandas中生成结果

Question

我是Python新手，我正在尝试用Python&Pandas生成Excel的IndexMatch函数的类似结果，尽管我正在努力让它工作。你知道吗

基本上，我有两个独立的数据帧：

第一个数据帧（'market'）有7列，不过我只需要其中的3列来进行这个练习（'symbol'、'date'、'close'）。这个df有13948340行。你知道吗

第二个数据帧（'transactions'）有14列，但只有我只需要其中的2列（'I\u symbol'，'acceptance\u date'）。这个df有1428026行。你知道吗

我的逻辑是：如果i\u symbol等于symbol并且acceptance\u date等于date:print symbol，date&close。这应该很容易。你知道吗

我已经用iterrows（）实现了它，但是由于数据集的大小，它每3分钟返回一个结果—这意味着我必须运行脚本1190小时才能得到最终结果。你知道吗

根据我在网上读到的内容，itertuples应该是一种更快的方法，但我目前遇到了一个错误：

ValueError:要解包的值太多（需要2个）

这是我编写的代码（当前生成上述ValueError）：

for i_symbol, acceptance_date in transactions.itertuples(index=False):
  for symbol, date in market.itertuples(index=False):
    if i_symbol == symbol and acceptance_date == date:
        print(market.symbol + market.date + market.close)

2个问题：

1. itertuples（）是最好/最快的方法吗？如果是这样，我怎样才能使上述工作？你知道吗
2. 有人知道更好的方法吗？索引是否有效？我应该改用外部数据库（例如mysql）吗？你知道吗

谢谢，马特

Answer 1

关于问题1:熊猫.itertuples（）为每行生成一个^{}。您可以像标准元组一样解压缩这些元素，也可以按名称访问元组元素：

for t in transactions.itertuples(index=False):
  for m in market.itertuples(index=False):
    if t.i_symbol == m.symbol and t.acceptance_date == m.date:
        print(m.symbol + m.date + m.close)

（我没有用你这种大小的数据帧测试这个，但我很确定它仍然非常慢）

关于问题2：您可以简单地^{}符号和日期上的数据帧。你知道吗

重命名“transactions”数据框，使其也包含名为“symbol”和“date”的列：

transactions = transactions[['i_symbol', 'acceptance_date']]
transactions.columns = ['symbol','date']

然后合并符号和日期上的两个数据帧：

result = pd.merge(market, transactions, on=['symbol','date'])

结果数据帧由两个数据帧中存在的每个符号/日期组合的一行组成。操作只需要几秒钟在我的机器上与你的大小的数据帧。你知道吗