大熊猫复杂联接操作

我想执行一个特定的连接操作用下列要求：大熊猫复杂联接操作

我有以下列格式，其中，所述索引是日期时间的数据帧和我具有从0到n的列（9在这个例子中）

DF1：

   0 1 2 3 4 5 6 7 8 9 
2001-01-01 2 53 35 91 43 31 7 87 25 68 
2001-01-02 12 97 86 59 51 7 75 25 6 40 
2001-01-03 73 82 87 1 46 66 17 42 96 61

我也有一个包含的列被选择用于每个日期时间索引的另一数据帧，即，值是0到N：

  0 
2001-01-01 9 
2001-01-02 5 
2001-01-03 4

我想选择第一数据帧的基本值，其中

index df1 = index df2 
columns df1 = value df2

例如，对于上面的例子的结果应该是这样的：

join(df1,df2)= 
      0 
2001-01-01 68 
2001-01-02 7 
2001-01-03 46

来源

2016-07-14 motam79

所以，莫不是一些最新指标在DF2可能是DF1的一部分，或者反之亦然失踪？如果是这样，那么期望的行为是什么？你能为这种情况发布一个样本案例吗？ – Divakar

您可以使用lookup：

print (df1.lookup(df1.index, df2.iloc[:,0])) 
[68 7 46] 

print (pd.DataFrame(df1.lookup(df1.index, df2.iloc[:,0]), index=df1.index)) 
      0 
2001-01-01 68 
2001-01-02 7 
2001-01-03 46

与squeeze另一种解决方案：

print (pd.DataFrame(df1.lookup(df1.index, df2.squeeze()), index=df1.index)) 
      0 
2001-01-01 68 
2001-01-02 7 
2001-01-03 46

来源

2016-07-14 18:24:25 jezrael

我会认为这会更快，因为它避免了对数组的任何转换。很高兴看到NumPy替代熊猫做这样的花式索引。 – Divakar

沿着这些东西线取自NumPy的索引方法 -

vals = df1.values[np.arange(df1.shape[0]),df2[0].values] 
df_out = pd.DataFrame(vals,index=df1.index)

来源

2016-07-14 18:06:33 Divakar

它的工作！谢谢 – motam79

@ motam79也请关注@ jezrael的解决方案，因为这可能会更快。 – Divakar

大熊猫复杂联接操作

回答

相关问题