Python 熊猫按坐标合并

我试图合并两个pandas表，在这里我找到了df2中的所有行，它们的坐标接近df1中的每一行。下面是一个例子

df1: 
   x  y val
0  0  1   A
1  1  3   B
2  2  9   C

df2:
    x    y  val
0  1.2  2.8   a
1  0.9  3.1   b
2  2.0  9.5   c

desired result:
   x  y val_x val_y
0  0  1     A   NaN
1  1  3     B     a
2  1  3     B     b
3  2  0     C     c

df1中的每一行在df2中可以有0、1或多个对应的条目，并且应使用笛卡尔距离查找匹配项：

(x1 - x2)^2 + (y1 - y2)^2 < 1

（x1-x2）^2+（y1-y2）^2<1

输入数据帧有不同的大小，即使在本例中没有。我可以通过迭代df1中的行并在df2中查找close值来接近，但不确定从那里该做什么：

for i, row in df1.iterrows():
    df2_subset = df2.loc[(df2.x - row.x)**2 + (df2.y - row.y)**2 < 1.0]
    # ?? What now?

df1.iterrows（）中的i行的

df2_subset=df2.loc[（df2.x-row.x）**2+（df2.y-row.y）**2<1.0]
# ?? 现在怎么办？

---

任何帮助都将不胜感激。我用一个ipython笔记本做了这个例子，所以你可以在这里查看/访问：

我找到了答案，尽管我对不得不循环df1中的行并不满意。在这种情况下，只有几百个，所以我可以处理它，但它不会像其他东西那样扩展。解决方案：

df2_list = []
df1['merge_row'] = df1.index.values  # Make a row to merge on with the index values
for i, row in df1.iterrows():
    df2_subset = df2.loc[(df2.x - row.x)**2 + (df2.y - row.y)**2 < 1.0]
    df2_subset['merge_row'] = i # Add a merge row
    df2_list.append(df2_subset)
df2_found = pd.concat(df2_list)

result = pd.merge(df1, df2_found, on='merge_row', how='left')

df2_列表=[]
df1['merge_row']=df1.index.values#创建一行以与索引值合并
对于i，df1.iterrows（）中的行：
df2_subset=df2.loc[（df2.x-row.x）**2+（df2.y-row.y）**2<1.0]
df2_子集['merge_row']=i#添加一个合并行
追加（df2_子集）
df2_found=pd.concat（df2_列表）
result=pd.merge（找到df1、df2，在class='merge\u row'，how='left'上）

SQL可以接受这一点，但您必须首先将数据帧转换为表。这样的语法非常清晰，但我不确定它是否会更快，或者相对于您已经做过的事情，它将如何扩展。