Question

我有两个不同行数的大csv文件，我按如下方式导入：

tdata = pd.read_csv(tfilepath, sep=',', parse_dates=['date_1'])
print(tdata.iloc[:, [0,3]])

       TBA    date_1
0       0   2010-01-04
1       9   2010-01-05
2       0   2010-01-06    
3       8   2010-01-07
4       0   2010-01-08
5       0   2010-01-09

pdata = pd.read_csv(pfilepath, sep=',', parse_dates=['date_2'])
print(pdata.iloc[:, [0,3]])

       TBA    date_2
0       3   2011-01-04
1       5   2010-01-09
2       0   2012-02-03    
3       9   2010-03-17
4       1   2010-11-08
5       2   2010-01-05

现在我想在第一个数据帧中将TBA替换为日期匹配的第二个数据帧中的相应TBA。默认值为0.所以我按如下方式遍历行：

 for i, row1 in tdata.iterrows():
     for j, row2 in pdata.iterrows():
         if row1['date_1'] == row2['date_2']:
             tdata.loc[i, 'TBA'] = row2['TBA']
             break
         else:
             tdata.loc[i, 'TBA'] = 0

问题是这需要很长时间（大约11分钟）。我想比较一个csv与160个其他csv，并进一步运行一些基于树的模型。我是一个没有编码背景的新人！请原谅我，如果这是一个“肮脏的”＆＃39;办法。任何帮助，将不胜感激。谢谢！

Answer 1

如果您在pdata上致电set_index至date_2，那么您可以将此作为参数传递给map并在tdata['date_1']列上调用，然后{ {3}}：

In [51]:    
tdata['TBA'] = tdata['date_1'].map(pdata.set_index('date_2')['TBA'])
tdata.fillna(0, inplace=True)
tdata

Out[51]:
   TBA      date_1
0    0  2010-01-04
1    2  2010-01-05
2    0  2010-01-06
3    0  2010-01-07
4    0  2010-01-08
5    5  2010-01-09

什么是比较大熊猫日期时间的最快方法？

1 个答案: