Question

例如当我们允许匹配的公差范围和两个表中命名不同的多个硬键时，是否可以使用熊猫来连接多个软键？

似乎pandas.merge_asof仅允许连接一个软键，并且不允许分别为左右表指定硬键名称（以防它们使用不同的名称，并且重命名不容易处理）

考虑以下两个数据集

表1：

软键：sk1，sk2

硬键：x，y

sk1,sk2,x,y,val1
10,100,10,15,1
20,200,20,25,2
30,300,10,10,3

表2：

软键：sk1，sk2

硬键：k1，k2

sk1,sk2,k1,k2,val2,x,y
15,110,10,15,3,1,1
23,230,20,25,5,2,2
34,330,10,10,-1,3,3

我需要等同于

的东西

soft_merge(t1, t2, left_by=["x","y"], right_by=["k1","k2"], on=[sk1, sk2], tolerance=[5,15])

获取输出（仅为清楚起见显示了val）：

val1 | val2
1    | 3

我知道代替硬键的left_by和right_by，我们可以使用by和rename列，但是由于其他系统组件可能依赖于旧的命名，因此系统可能不容易支持这一点。没有多次命名重命名的方法，有没有一种干净而又不错的方法来实现？但是连接多个软键的问题仍然不清楚...

Answer 1

在精确合并后实施公差：

m = df1.merge(df2, left_on=["x","y"], right_on=["k1","k2"])
mask = (m.sk1_x - m.sk1_y).abs().le(5) & (m.sk2_x - m.sk2_y).abs().le(15)

m.loc[mask, ['val1', 'val2']]
#   val1  val2
#0     1     3

这不能确保1：1合并，并且会给出实现该公差的所有组合。如果需要“最近”匹配，则需要指定一些距离公式并仅保留最接近的公式。在这里，我使用总的绝对距离。假设val1是唯一键：

m['dist'] = (m.sk1_x - m.sk1_y).abs() + (m.sk2_x - m.sk2_y).abs()
m.sort_values('dist').loc[mask].drop_duplicates('val1')

使用熊猫加入多个具有不同名称的软键和多个硬键

1 个答案: