Question

我比较来自2个大数据框（由X，Y，Z）组成的3个记录，并创建一个结果数据框，记录成对的数据，其中X和Y彼此靠近（<0.05）它适用于少量数据，不幸的是，我大约有33,000-35,000行的make loop实际上是无止境的。还有其他方法可以使循环更快吗？

import pandas as pd
import numpy as np

n=35000
DF1=pd.DataFrame({'X1': np.random.randn(n),'Y1': np.random.randn(n),'Z1': np.random.randn(n)})
DF2=pd.DataFrame({'X2': np.random.randn(n),'Y2': np.random.randn(n),'Z2': np.random.randn(n)})

Result=pd.DataFrame(columns=['X1','Y1','Z1','X2','Y2','Z2'])

i=0
for j in DF1.index:
    for k in DF2.index:
        if abs(DF1.X1[j]-DF2.X2[k])<0.05:
            if abs(DF1.Y1[j]-DF2.Y2[k])<0.05:
                Result.loc[i]=[DF1.X1[j]]+[DF1.Y1[j]]+[DF1.Z1[j]]+[DF2.X2[k]]+[DF2.Y2[k]]+[DF2.Z2[k]]
                i+=1

Answer 1

我设法通过基于X范围值将DataFrame切成100个较小的部分来解决此问题，并且只比较每个部分中的数据，我不想丢失部分之间的任何数据，因此我给出了范围之间5％的重叠在顶部，稍后我将处理重复。

它仍然很慢，但是至少我得到了结果，欢迎使用任何更快的方法

import pandas as pd
import numpy as np

def Compare(DF1,DF2):
    Output=pd.DataFrame(columns=['X1','Y1','Z1','X2','Y2','Z2'])
    i=0
    for j in DF1.index:
        for k in DF2.index:
            if abs(DF1.X1[j]-DF2.X2[k])<0.05:
                if abs(DF1.Y1[j]-DF2.Y2[k])<0.05:
                    Output.loc[i]=[DF1.X1[j]]+[DF1.Y1[j]]+[DF1.Z1[j]]+[DF2.X2[k]]+[DF2.Y2[k]]+[DF2.Z2[k]]
                   i+=1
    return(Output)

n=35000
DF1=pd.DataFrame({'X1': np.random.randn(n),'Y1': np.random.randn(n),'Z1': 
np.random.randn(n)})
DF2=pd.DataFrame({'X2': np.random.randn(n),'Y2': np.random.randn(n),'Z2': 
np.random.randn(n)})

m=int(n/100)
start=DF1.X1.min()
stop=DF1.X1.max()*1.05
step=(DF1.X1.max()-DF1.X1.min())/m
arange=np.arange(start,stop,step)

Comparison=pd.DataFrame(columns=['X1','Y1','Z1','X2','Y2','Z2'])

for i in range(0,m-1):
    Input1=DF1[(DF1.X1>arange[i]) & (DF1.X1<(arange[i+1]-step/20))]
    Input2=DF2[(DF2.X2>arange[i]) & (DF2.X2<(arange[i+1]-step/20))]
    Comparison=Comparison.append(Compare(Input1,Input2))

熊猫大数据框比较

1 个答案: