python - 根据来自另一列 pandas 的相同或更接近的值替换列中的值

Question

我有两个数据框:

DF1:

<表类="s-表"><头>得分 1平均生命周期<正文>4.0339863482.09.103820758.0-1.3443268000.0218670040.033708.02.291000432.0

DF2:

<表类="s-表"><头>得分 1<日>生活 <正文>3.03398609.10382009.10382007.35098101.44340009.1038200-1.1344860

如果两个数据帧中的“Score 1”列相同，则第二个数据帧中“life”中的 0 值应替换为第一个数据帧中“avg life”中的值。顺便说一句，如果没有相同的值，我们会从 DF1 中的“Score1”中获取最接近 DF2 中“Score1”的值。

问题出在“最接近”这个词上。

例如:我在“Score 1”的 DF1 中没有值“3.033986”，但我想取最接近这个值 - “4.033986”并将“life”列中的 0 从“Avg_life”更改为“3482.0”，因为“3.033986”更接近于“4.033986”。

结果应该是这样的:

DF_结果:

<表类="s-表"><头>得分 1<日>生活 <正文>3.0339863482.09.103820758.09.103820758.07.350981758.01.443400432.09.103820758.0-1.13448668000.0

我希望我说清楚了......

感谢大家的帮助!

Answer 1

首先我们找到与df2['Score1']中的每个值最接近的值if df1['Score1']，并将其放入df2['匹配']:

df2['match'] = df2['Score1'].apply(lambda s : min(df1['Score1'].values, key = lambda x: abs(x-s)))

df2 现在看起来像这样

    Score1   life   match
0   3.033986    0   2.29100
1   9.103820    0   9.10382
2   9.103820    0   9.10382
3   7.350981    0   9.10382
4   1.443400    0   2.29100
5   9.103820    0   9.10382
6   -1.134486   0   -1.34432

现在我们只是在 match 上合并，删除不需要的列并重命名其他列

(df2[['match', 'Score1']].merge(df1, how = 'left', left_on = 'match', right_on = 'Score1', suffixes = ['','_2'])
    .rename(columns = {'Avg_life':'life'})
    .drop(columns = ['match', 'Score1_2'])
)

输出

    Score1      life
0   3.033986    432.0
1   9.103820    758.0
2   9.103820    758.0
3   7.350981    758.0
4   1.443400    432.0
5   9.103820    758.0
6   -1.134486   68000.0