Question

我需要在两个数据框之间匹配多个条件，然后分配一个ID。

由于一个标准需要“相似或相似”而不是精确的事实而使情况变得复杂，因为它涉及的时间参考略有不同。

我需要时间戳匹配秒+/- 1/2秒。然后，我想在DF2的新列中添加打印ID的列：

DF1
TimeStamp                     ID          Size
2018-07-12T03:34:54.228000Z   46236499    0.0013
2018-07-12T03:34:54.301000Z   46236500    0.01119422

DF2
TimeStamp                     Size         ID #new column
2018-07-12T03:34:54.292Z      0.00         blank #no match/no data
2018-07-12T03:34:54.300Z      0.01119422   46236500 #size and 
                                                    #timestamp match within tolerances

在上面的示例中，脚本将查看时间戳列，并在DF2中查找具有以下信息的任何时间戳：“ 2018-07-12T03：34：54” +/- 1/2秒+具有完全相同的“大小”元素。

需要这样做，因为在整个数据集中可能有多个相同的“ Size”元素。

然后它将在DF2中新创建的“ ID”列中标记相应的ID，或者如果将DF2复制到新的DF，我只需在DF3中添加新的“ ID”列。

Answer 1

根据最终数据框中需要的行，可以选择其他联接运算符。一种解决方案是使用由 Size 列连接的组合数据帧，然后根据合并的datetime列之间的绝对时间差过滤其余列。

df3 = df1.merge(df2, left_on='Size', right_on='Size', how='right')
df3['deltaTime'] = numpy.abs(df3['TimeStamp_x'] - df3['TimeStamp_y'])
df3 = df3[(df3['deltaTime'] < timedelta(milliseconds=500)) | pandas.isnull(df3['deltaTime'])]

输出：

TimeStamp_x     ID_x    Size    TimeStamp_y     ID_y    deltaTime
0   2018-07-12 03:34:54.301     46236500.0  0.011194    2018-07-12 03:34:54.300     46236500    00:00:00.001000
1   2018-07-12 03:34:54.301     46236500.0  0.011194    2018-07-12 03:34:54.800     46236501    00:00:00.499000
3   NaT     NaN     0.000000    2018-07-12 03:34:54.292     blank   NaT

如果您不希望合并任何行，则只需删除| pandas.isnull(df3['deltaTime'])并使用内部联接即可。

Python符合多个条件

1 个答案: