Question

我在熊猫中有两个DataFrame：

import pandas as pd

df1 = pd.DataFrame({'Name': ["A", "B", "C", "C","D","D","E"],
                   'start': [50, 124, 1, 159, 12, 26,110],
                   'stop': [60, 200, 19, 200, 24, 30,160]})
df2 = pd.DataFrame({'Name': ["B", "C","D","E"],
                   'start': [126, 143, 19, 159],
                   'stop': [129, 220, 27, 200]})

print(df1)

  Name  start  stop
0    A     50    60
1    B    124   200
2    C      1    19
3    C    159   200
4    D     12    24
5    D     26    30
6    E    110   160

print(df2)

  Name  start  stop
0    B    126   129
1    C    143   220
2    D     19    27
3    E    159   200

我要使用以下条件过滤df1以删除基于df2的行：

名称应同时出现在df1和df2中
在另一个DataFrame中，该名称从开始到终止的范围与该名称从开始到终止的范围重叠

这将给出：

  Name  start  stop
0    B    124   200
1    C    159   200
2    D     12    24
3    D     26    30
4    E    110   160

位置：

由于df2中没有A，因此A已被删除
B保持不变，因为df2中B的起始和终止与df1中B的起始和终止嵌套
由于df1的一个C与df2不重叠，因此删除了一个C，而保留了另一个，因为它嵌套在df2中C的起始和终止范围内
两个D都被保留，因为它们都与df2中的D的范围重叠
E被保留，因为其范围与df2中的E重叠

任何帮助将不胜感激！

Answer 1

为解决您的问题，我采用了一种类似于SQL的方式来模仿以下查询：

SELECT
  df.Name, df.start_x AS start, df.stop_x AS stop
FROM (
  SELECT
    df1.Name, df1.start AS start_x, df1.stop AS stop_x,
              df2.start AS start_y, df2.stop AS stop_y
    FROM df1
    INNER JOIN df2
      ON df1.Name = df2.Name
) AS df
WHERE (df.stop_y >= df.start_x) AND (df.stop_x >= df.start_y)

此查询已转换为使用pandas.merge方法的以下代码片段。请注意，必须在表达式(df.stop_y> = df.start_x) & (df.stop_x> = df.start_y)中使用括号。没有它们，代码将引发异常

ValueError：系列的真值不明确。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。

import pandas as pd

df1 = pd.DataFrame({'Name': ["A", "B", "C", "C","D","D","E"],
                   'start': [50, 124, 1, 159, 12, 26,110],
                   'stop': [60, 200, 19, 200, 24, 30,160]})
df2 = pd.DataFrame({'Name': ["B", "C","D","E"],
                   'start': [126, 143, 19, 159],
                   'stop': [129, 220, 27, 200]})
df = pd.merge(df1, df2, on=['Name'])
df = df[(df.stop_y >= df.start_x) & (df.stop_x >= df.start_y)]
df.rename(columns={'start_x':'start', 'stop_x':'stop'}, inplace=True)
df.drop(['start_y', 'stop_y'], axis=1, inplace=True)
df.reset_index(drop=True, inplace=True)
print(df)

输出：

  Name  start  stop
0    B    124   200
1    C    159   200
2    D     12    24
3    D     26    30
4    E    110   160

在Repl.it上演示。

Answer 2

对于感兴趣的人，我想出了一种方法...

df3=[]
for index1, row1 in df1.iterrows():
    for index2, row2 in df2.iterrows():
        if row1["Name"] == row2["Name"]:
            x = range(row1["start"],row1["stop"])
            x = set(x)
            y = range(row2["start"],row2["stop"])
            if len(x.intersection(y)) > 0:
                df3.append(row1)
df3 = pd.DataFrame(df3).reset_index(drop=True)
print(df3)

  Name  start  stop
0    B    124   200
1    C    159   200
2    D     12    24
3    D     26    30
4    E    110   160

完成工作，尽管有点笨拙。

如果有人可以提出一种不太杂乱的方式，将会很感兴趣！

根据熊猫中的其他数据框过滤一个数据框

2 个答案: