Python merge_asof方法用法及代碼示例

例子

基本用法

考慮以下兩個 DataFrame：

df = pd.DataFrame({"A":[2,3,4],"B":[3,5,9]}, index=["a","b","c"])
df_other = pd.DataFrame({"B":[2,5,10],"C":[7,8,1]}, index=["d","e","f"])



   A  B   |     B   C
a  2  3   |  d  2   7
b  3  5   |  e  5   8
c  4  9   |  f  10  1

對列 B 執行連接：

pd.merge_asof(df, df_other, on="B")



   A  B  C
0  2  3  7
1  3  5  8
2  4  9  8

請注意以下事項：

• 左側 DataFrame 的原始列 B 出現在生成的 DataFrame 中。

• 一對列 B 中的值不完全匹配 - [3,5,9] 和 [2,5,10] 。

• 由於值 3 不存在於 right 連接鍵中，因此該方法會查找小於 3 ( direction="backward" ) 的最接近值，在本例中為 2 。 C 列的對應值是 7 ，因此這就是我們在第一行看到值 7 的原因。

• 同樣，右連接鍵中不存在值 9 ，因此小於 9 的最接近匹配是 5 。此匹配的 C 列的相應值是 8 ，因此我們最終在右下角條目中得到 8 。

• on="B" 實際上可以在這裏省略，因為如果 left 和 right 中存在一對重疊的列標簽，該方法將推斷連接鍵。

指定left_by

考慮以下數據幀：

df = pd.DataFrame({"A":[7,9],"B":[3,5]}, index=["a","b"])
df_other = pd.DataFrame({"B":[2,5],"C":[7,8]}, index=["d","e"])



   A  B    |     B  C
a  7  3    |  d  2  7
b  9  5    |  e  5  8

默認情況下，不指定 by 、 left_by 或 right_by ：

pd.merge_asof(df, df_other, on="B")



   A  B  C
0  7  3  7
1  9  5  8

我們可以通過允許指定列值匹配的匹配來限製匹配：

pd.merge_asof(df, df_other, on="B", left_by="A", right_by="C")



   A  B  C
0  7  3  7.0
1  9  5  NaN

請注意以下事項：

• 第一行仍返回 7.0 值，因為 A 的列值與 C 的列值匹配(兩者都是 7 )。

• 我們在第二行得到NaN，因為A (9) 的列值與C (8) 的列值不匹配。

指定後綴

考慮以下兩個 DataFrame：

df = pd.DataFrame({"A":[2,3],"B":[3,5]}, index=["a","b"])
df_other = pd.DataFrame({"B":[2,5],"A":[7,8]}, index=["d","e"])



   A  B   |     B  A
a  2  3   |  d  2  7
b  3  5   |  e  5  8

默認情況下， suffixes=("_x","_y") ，這意味著如果生成的 DataFrame 中出現重複的列標簽，則 "_x" 將作為後綴附加到左側的重疊標簽，以及右側的 "_y" ：

pd.merge_asof(df, df_other, on="B")



   A_x  B  A_y
0   2   3   7
1   3   5   8

我們可以像這樣指定我們自己的後綴：

pd.merge_asof(df, df_other, on="B", suffixes=["_X","_Y"])



   A_X  B  A_Y
0   2   3   7
1   3   5   8

您可以傳入單個 None 而不是字符串，以保留左側或右側重疊標簽的原始名稱：

pd.merge_asof(df_one, df_two, on="B", suffixes=["_X",None])



   A_X  B   A
0   2   3   7
1   3   5   8
2   4   9   8