問題我有兩個數(shù)據(jù)框Frame A（保存一些原始數(shù)據(jù)）和Frame B（保存閾值數(shù)據(jù)）。我的目標(biāo)是對于Frame B我想要返回的每個 id 中的相應(yīng) id 的Frame A行<= b['A']。我寫的代碼工作正常，我的問題是效率。框架 B 有大約 100K 行，而框架 A 有大約 1M 行。根據(jù)快速計算，我需要大約 6 個小時來過濾我的數(shù)據(jù)。雖然 6 小時可能是可行的（我可以讓它在一夜之間運行），但這個數(shù)據(jù)集代表了我數(shù)據(jù)的一小部分樣本，約占我總數(shù)據(jù)集的 5%。我試過的import pandas as pdfrom io import StringIOdata1 = """id,A,B,C,D123,2019-09-10 00:00:00,1,True,False123,2019-09-10 00:10:00,1,True,False123,2019-09-11 00:07:00,1,True,False456,2019-09-05 01:00:00,1,True,False456,2019-09-08 10:00:00,1,True,False789,2019-09-10 10:00:00,1,True,False789,2019-09-11 00:50:00,1,True,False789,2019-09-12 12:00:00,1,True,False"""data2 = """id,A,B123,2019-09-10 00:10:00,1456,2019-09-05 01:00:00,1789,2019-09-12 12:00:00,1"""df_a = pd.read_csv(StringIO(data1))df_b = pd.read_csv(StringIO(data2))dfs = []for Id in df_b.id.unique(): df = df_a[df_a.id == Id] df = df[df['A'] <= df_b[df_b.id == Id]['A'].values[0]] dfs.append(df)print(pd.concat(dfs))數(shù)據(jù)期望的輸出 id A B C D0 123 2019-09-10 00:00:00 1 True False1 123 2019-09-10 00:10:00 1 True False3 456 2019-09-05 01:00:00 1 True False5 789 2019-09-10 10:00:00 1 True False6 789 2019-09-11 00:50:00 1 True False7 789 2019-09-12 12:00:00 1 True False框架 A id A B C D0 123 2019-09-10 00:00:00 1 True False1 123 2019-09-10 00:10:00 1 True False2 123 2019-09-11 00:07:00 1 True False3 456 2019-09-05 01:00:00 1 True False4 456 2019-09-08 10:00:00 1 True False5 789 2019-09-10 10:00:00 1 True False6 789 2019-09-11 00:50:00 1 True False7 789 2019-09-12 12:00:00 1 True False幀 B id A B0 123 2019-09-10 00:10:00 11 456 2019-09-05 01:00:00 12 789 2019-09-12 12:00:00 1
1 回答
慕哥9229398
TA貢獻(xiàn)1877條經(jīng)驗 獲得超6個贊
使用map
s = df_a.id.map(dict(df_b[['id', 'A']].values))
df_a[df_a.A <= s]
Out[35]:
id A B C D
0 123 2019-09-10 00:00:00 1 True False
1 123 2019-09-10 00:10:00 1 True False
3 456 2019-09-05 01:00:00 1 True False
5 789 2019-09-10 10:00:00 1 True False
6 789 2019-09-11 00:50:00 1 True False
7 789 2019-09-12 12:00:00 1 True False
使用左merge和query
(df_a.merge(df_b[['id', 'A']], on='id', how='left', suffixes=('','_y'))
.query('A <= A_y').drop('A_y', 1))
Out[43]:
id A B C D
0 123 2019-09-10 00:00:00 1 True False
1 123 2019-09-10 00:10:00 1 True False
3 456 2019-09-05 01:00:00 1 True False
5 789 2019-09-10 10:00:00 1 True False
6 789 2019-09-11 00:50:00 1 True False
7 789 2019-09-12 12:00:00 1 True False
添加回答
舉報
0/150
提交
取消