python - Pandas 合并具有多列和容差的数据框

Question

我有 2 个数据框，我想使用 2 列作为键来合并它们并创建另一个合并的数据框。这里，Column1 是 String，Columns2 是 float 数据类型。我想在 column2 上设置 .01 的公差，这样来自 dataframe1 的 (John, 1.12) 和来自 dataframe2 的 (John, 1.13) 应该在同一行。我怎样才能做到这一点？

例如:2 个数据框:

df1 = pd.DataFrame({"Name":["John","Millon"], "MarketVal":[1.12,2.11], "Left_Product":["Sugar","Salt"]})
df2 = pd.DataFrame({"Name":["John","Rex"], "MarketVal":[1.13,3.11], "right_Product":["Sugar","Salt"]})

如果我这样做:

dfMerge = pd.merge(df1,df2,on=["Name","MarketVal"], how= "outer")

然后这将为“John”创建 2 个单独的行，因为 MarketVal 在两个数据框中是不同的。但我想对此保持 .01 的公差，以便它们位于同一行。

    Actual :->
     Name  MarketVal Left_Product right_Product
0    John       1.12        Sugar           NaN
1  Millon       2.11         Salt           NaN
2    John       1.13          NaN         Sugar
3     Rex       3.11          NaN          Salt

Expected :->

     Name  MarketVal Left_Product right_Product
0    John       1.12        Sugar           Sugar
1  Millon       2.11         Salt           NaN
2     Rex       3.11          NaN          Salt

Answer 1

merge 仅在 'Name' 上，然后使用掩码仅保留在您所需容差范围内的行。由于外部连接，如果任何“MarketVal”为空，我们也会保留一行。如果 'MarketVal' 来自外部合并中正确的 DataFrame，我们还需要更新它。

tol = 0.01
m = df1.merge(df2, on='Name', how='outer', suffixes=['', '_r'])
m = m[(m['MarketVal'] - m['MarketVal_r']).abs().le(tol)
      | m[['MarketVal', 'MarketVal_r']].isnull().any(1)]

#     Name  MarketVal Left_Product  MarketVal_r right_Product
#0    John       1.12        Sugar         1.13         Sugar
#1  Millon       2.11         Salt          NaN           NaN
#2     Rex        NaN          NaN         3.11          Sal

m['MarketVal'] = m['MarketVal'].fillna(m['MarketVal_r'])
m = m.drop(columns='MarketVal_r')

#     Name  MarketVal Left_Product right_Product
#0    John       1.12        Sugar         Sugar
#1  Millon       2.11         Salt           NaN
#2     Rex       3.11          NaN          Salt

---

在 df2 中匹配多行的情况下，这将保留所有组合。在这里，我为 John 添加了另一行，其中包含应与 df1 中的第一行匹配的“Coffee”，以及不应与任何内容匹配的行。

df1 = pd.DataFrame({'Name': ['John', 'Millon'], 
                    'MarketVal': [1.12, 2.11], 'Left_Product':['Sugar', 'Salt']})
df2 = pd.DataFrame({'Name': ['John', 'Rex', 'John', 'John'], 
                    'MarketVal': [1.13, 3.11, 1.125, 17], 
                    'right_Product': ['Sugar', 'Salt', 'coffee', 'bad_item']})

#... the above code
print(m)

     Name  MarketVal Left_Product right_Product
0    John       1.12        Sugar         Sugar
1    John       1.12        Sugar        Coffee
3  Millon       2.11         Salt           NaN
4     Rex       3.11          NaN          Salt