有没有办法用python更好地执行此任务？（2个不同数据帧中的带if条件的vlookup）

我不熟悉这门语言，我只是想提高我的知识

考虑到两种不同的dfs，我有以下问题：

df1 = pd.DataFrame({'A':[10, 12, 11, 15, 17, 20, 9, 18, 11, 22, 12, 17, 29, 44, 1]})
df2 = pd.DataFrame({'SCORE_MIN':[0,5,10,15,20,25,30,35,40], 'SCORE_MAX': [5,10,15,20,25,30,35,40,45], 'SCORE':['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I']})

我只想在

df1

中添加一列，根据

df2

的值“SCORE\u MIN”、“SCORE\u MAX”分配“SCORE”。需要明确的是，对于df1“10”的第一个元素，考虑到它大于或等于10且小于15，基于

df2

分配的分数等于“C”

我尝试了

np，但未成功。其中

：

df1['SCORE'] = np.where(df1['A'] >= df2['SCORE_MIN'] & df1['A'] < df2['SCORE_MAX'], df2['SCORE'], 'NA')

df1['SCORE']=np.其中（df1['A']>=df2['SCORE\u MIN']&df1['A']

---

谢谢你的支持

您可以使用

merge\u asof

：

df1 = df1.reset_index().sort_values("A")
res = pd.merge_asof(df1, df2, left_on="A", right_on="SCORE_MIN").set_index("index").sort_index()

print(res)

输出为：

        A  SCORE_MIN  SCORE_MAX SCORE
index                                
0      10         10         15     C
1      12         10         15     C
2      11         10         15     C
3      15         15         20     D
4      17         15         20     D
5      20         20         25     E
6       9          5         10     B
7      18         15         20     D
8      11         10         15     C
9      22         20         25     E
10     12         10         15     C
11     17         15         20     D
12     29         25         30     F
13     44         40         45     I
14      1          0          5     A

---

您可以使用

merge\u asof

：

df1 = df1.reset_index().sort_values("A")
res = pd.merge_asof(df1, df2, left_on="A", right_on="SCORE_MIN").set_index("index").sort_index()

print(res)

输出为：

        A  SCORE_MIN  SCORE_MAX SCORE
index                                
0      10         10         15     C
1      12         10         15     C
2      11         10         15     C
3      15         15         20     D
4      17         15         20     D
5      20         20         25     E
6       9          5         10     B
7      18         15         20     D
8      11         10         15     C
9      22         20         25     E
10     12         10         15     C
11     17         15         20     D
12     29         25         30     F
13     44         40         45     I
14      1          0          5     A

---

如果您想使用np.where，您可以这样做： 作为pd进口熊猫 将numpy作为np导入

df1 = pd.DataFrame({'A':[10, 12, 11, 15, 17, 20, 9, 18, 11, 22, 12, 17, 29, 44, 1]})
df2 = pd.DataFrame({'SCORE_MIN':[0,5,10,15,20,25,30,35,40], 'SCORE_MAX': [5,10,15,20,25,30,35,40,45], 'SCORE':['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I']})

a=df1.A.values
bmax=df2.SCORE_MAX.values
bmin=df2.SCORE_MIN.values

i, j = np.where((a[:, None] >= bmin) & (a[:, None] < bmax))

pd.DataFrame(
    np.column_stack([df1.values[i], df2.values[j]]),
    columns=df1.columns.append(df2.columns)
)
     A SCORE_MIN SCORE_MAX SCORE
0   10        10        15     C
1   12        10        15     C
2   11        10        15     C
3   15        15        20     D
4   17        15        20     D
5   20        20        25     E
6    9         5        10     B
7   18        15        20     D
8   11        10        15     C
9   22        20        25     E
10  12        10        15     C
11  17        15        20     D
12  29        25        30     F
13  44        40        45     I
14   1         0         5     A

df1=pd.DataFrame（{'A'：[10,12,11,15,17,20,9,18,11,22,12,17,29,44,1]}）
df2=pd.数据帧（{'SCORE_MIN'：[0,5,10,15,20,25,30,35,40]，'SCORE_MAX'：[5,10,15,20,25,30,35,40,45]，'SCORE'：[A'，B'，'C'，'D'，'E'，'F'，'G'，'H'，'I']））
a=df1.a.值
bmax=df2.SCORE\u最大值
bmin=df2.分数\最小值
i、 j=np.其中（（a[：，无]>=bmin）和（a[：，无]

如果您想使用np.where，您可以这样做： 作为pd进口熊猫 将numpy作为np导入

df1 = pd.DataFrame({'A':[10, 12, 11, 15, 17, 20, 9, 18, 11, 22, 12, 17, 29, 44, 1]})
df2 = pd.DataFrame({'SCORE_MIN':[0,5,10,15,20,25,30,35,40], 'SCORE_MAX': [5,10,15,20,25,30,35,40,45], 'SCORE':['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I']})

a=df1.A.values
bmax=df2.SCORE_MAX.values
bmin=df2.SCORE_MIN.values

i, j = np.where((a[:, None] >= bmin) & (a[:, None] < bmax))

pd.DataFrame(
    np.column_stack([df1.values[i], df2.values[j]]),
    columns=df1.columns.append(df2.columns)
)
     A SCORE_MIN SCORE_MAX SCORE
0   10        10        15     C
1   12        10        15     C
2   11        10        15     C
3   15        15        20     D
4   17        15        20     D
5   20        20        25     E
6    9         5        10     B
7   18        15        20     D
8   11        10        15     C
9   22        20        25     E
10  12        10        15     C
11  17        15        20     D
12  29        25        30     F
13  44        40        45     I
14   1         0         5     A

df1=pd.DataFrame（{'A'：[10,12,11,15,17,20,9,18,11,22,12,17,29,44,1]}）
df2=pd.数据帧（{'SCORE_MIN'：[0,5,10,15,20,25,30,35,40]，'SCORE_MAX'：[5,10,15,20,25,30,35,40,45]，'SCORE'：[A'，B'，'C'，'D'，'E'，'F'，'G'，'H'，'I']））
a=df1.a.值
bmax=df2.SCORE\u最大值
bmin=df2.分数\最小值
i、 j=np.其中（（a[：，无]>=bmin）和（a[：，无]

放置结果数据帧如果df2中有两个重叠的间隔，您希望执行什么操作？或者这是一种不可能的情况？将结果放在DataFrame中如果df2中有两个重叠的间隔，您会怎么做？或者这是一个不可能的情况？谢谢马修，这个解决方案对我很有效！非常清楚！谢谢Mathieu，这个解决方案对我很有效！非常清楚！谢谢你，罗伊，这个解决方案对我也很有效！非常感谢你。你介意为下一代接受我的答案吗？谢谢你，罗伊，这个解决方案对我也很有效！非常感谢你。你介意为后代接受我的回答吗？