我有两个 pandas 数据框:key_df 和 value_df
key_dict = {"coordinates": ["AB1", "AC1", "AD1", "EF1", ... ], "start": [762, 1274, 1587, 1991, ...], "end": [2481, 1789, 1689, 2211, ...] }
key_df = pd.DataFrame(key_dict)
coordinates start end
0 AB1 762 2481
1 AC1 1274 1789
2 AD1 1587 1689
3 EF1 1991 2211
... ... ... ...
value_dict = {"coordinates": ["AD1", "AB1"], "meta_data": [101, 010]}
value_df = pd.DataFrame(value_dict)
coordinates meta_data
0 AD1 101
1 AB1 110
... ... ...
key_df 的坐标列仅包含唯一值——没有重复。 value_df 也是如此。
我想遍历坐标上的value_df，检查value_df中坐标的每个值key_df 中坐标的值。然后我想返回这些值的 start 和 end 。
我对数据帧进行子集化并获取 start 和 end 值的想法是创建一个函数:
def parse(x, df): ### 'x' is each row of value_df$coordinates
df = df[df.coordinates == x]
return (df.start, df.end) ## return as a tuple
我会将该函数称为parse(x, df=key_df)
但是，我不确定如何迭代 value_df。 .iterrows() 速度很快，但它不保留行数据类型，这可能是一个问题。
最佳答案
只需进行左连接就足够了
key_df = key_df.merge(value_df,on='coordinates',how='left')
另一种方法可能是根据坐标重新索引 value_df
value_df.index = value_df['coordinates']
common_values = set(key_df.coordinates).intersection(set(value_df.index))
value_df.loc[list(common_values),['start','end']]
关于python - 如何基于迭代另一个 df 的所有行值来对 pandas 数据框进行子集化？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47786968/