Question

df1：

 Con1   Con2    Con3
 p      s       100
 q      t       200
 p      t       300
 q      s       400

df2：

Ton1    Ton2    Ton3
p       s       150
p       t       110
p       s       108
q       t       409
q       s       410
q       t       406

输出应为：

Con1    Con2    Con3    Ton1    Ton2    Ton3
p       s       100     p       s       108
q       t       200     Nan     Nan     Nan
p       t       300     Nan     Nan     Nan
q       s       400     Nan     Nan     Nan

合并应基于逻辑Ton3应该比Con3高6-10％

逻辑：（Ton3 =>（6％* Con3）+ Con3）＆（Ton3 = <（10％* Con3）+ Con3）

pd.merge(df1,df2,left_on=['Con1','Con2']+logic, right_on=['Ton1','Ton2']+logic, how='left')

Answer 1

DataFrame生成

df1 = pd.DataFrame({'Con1':['p','q','p','q'], 'Con2':['s','t','t','s'], 'Con3':[100,200,300,400]})
df2 = pd.DataFrame({'Ton1':['p','p','p','q','q','q'], 'Ton2':['s','t','s','t','s','t'], 'Ton3':[150,110,108,409,410,406]})

合并数据框并应用给定条件：

df = pd.merge(df1,df2,how='left',left_on=['Con1','Con2'], right_on=['Ton1','Ton2'])
df = df[(df['Ton3']>=((0.06*df['Con3']) +df['Con3'])) & (df['Ton3']<=((0.1*df['Con3']) +df['Con3']))]
print(df)

我认为这应该是输出的最终格式。另请注意，对于 df1 中的一对特定的 Con1 和 Con2 ，可能会有多对 Ton1 和df2中的 Ton2 。

如果还必须使用NaN获取行，请在运行较高的块之后运行此代码块

df = pd.merge(df1,df,how='left',left_on=['Con1','Con2','Con3'], right_on=['Con1','Con2','Con3'])
print(df)

熊猫合并不等于

1 个答案: