python - 一个数据帧中的值是否在另一个数据帧的容器中？

Question

我有一个名为 loc_df 的数据框，其中包含两列 bin，如下所示...

> loc_df

loc_x_bin        loc_y_bin      
(-20, -10]        (0, 50]           
(-140, -130]      (100, 150]        
(0,  10]          (-50, 0]          

我有另一个名为 data 的数据框，看起来像这样......

> data

  loc_x         loc_y  
   -15            25
    30            35
    5            -45
   -135          -200

我想在数据中创建一个新的 bool 列，以显示 loc_x 是否在 loc_x_bin 的值内，以及 loc_y 是否在 的值内数据帧 loc_df 的 >loc_y_bin。 loc_x 和 loc_y 必须位于同一行的 loc_x_bin 和 loc_y_bin 中。例如:

> data

 loc_x          loc_y         in_bins
  -15             25             true
   30             35             false
   5             -45             true
  -135           -200            false
   5              25             false**

更新**尽管 5 在 (0,10] loc_x_bin 范围内，25 在 (0, 50] loc_y_bin 范围内，但 loc_x_bin 和 loc_y_bin 不在同一行，所以我希望这是错误的。

Answer 1

UPDATE2:如果您想检查两者x和y属于同一行的垃圾箱在df_loc(或loc_df)中:

xstep = 10
ystep = 50

In [201]: (df.assign(bin=(pd.cut(df.loc_x, np.arange(-500, 500, xstep)).astype(str)
   .....:                 +
   .....:                 pd.cut(df.loc_y, np.arange(-500, 500, ystep)).astype(str)
   .....:                )
   .....:           )
   .....: )['bin'].isin(df_loc.sum(axis=1))
Out[201]:
0     True
1    False
2     True
3    False
4    False
Name: bin, dtype: bool

说明:

In [202]: (df.assign(bin=(pd.cut(df.loc_x, np.arange(-500, 500, xstep)).astype(str)
   .....:                 +
   .....:                 pd.cut(df.loc_y, np.arange(-500, 500, ystep)).astype(str)
   .....:                )
   .....:           )
   .....: )
Out[202]:
   loc_x  loc_y                       bin
0    -15     25         (-20, -10](0, 50]
1     30     35           (20, 30](0, 50]
2      5    -45           (0, 10](-50, 0]
3   -135   -200  (-140, -130](-250, -200]
4      5     25            (0, 10](0, 50]

In [203]: df_loc.sum(axis=1)
Out[203]:
0         (-20, -10](0, 50]
1    (-140, -130](100, 150]
2           (0, 10](-50, 0]
dtype: object

更新:如果您想检查x是否属于loc_x_bin并且y属于 loc_y_bin(不一定来自df_loc中的同一行):

如果 df_loc.dtypes 两列均未显示 category，那么您可能需要首先将类别转换为 category dtype:

df_loc.loc_x_bin = df_loc.loc_x_bin.astype('category')
df_loc.loc_y_bin = df_loc.loc_y_bin.astype('category')

然后您可以在df“动态”中对列进行分类:

xstep = 10
ystep = 50

df['in_bins'] = (   (pd.cut(df.loc_x, np.arange(-500, 500, xstep)).isin(df_loc.loc_x_bin))
                    &
                    (pd.cut(df.loc_y, np.arange(-500, 500, ystep)).isin(df_loc.loc_y_bin))
                )

测试:

In [130]: df['in_bins'] = (   (pd.cut(df.loc_x, np.arange(-500, 500, xstep)).isin(df_loc.loc_x_bin))
   .....:                     &
   .....:                     (pd.cut(df.loc_y, np.arange(-500, 500, ystep)).isin(df_loc.loc_y_bin))
   .....:                 )

In [131]: df
Out[131]:
   loc_x  loc_y in_bins
0    -15     25    True
1     30     35   False
2      5    -45    True
3   -135   -200   False