Python 基于元组列表选择并连接数据帧行
我有两个这样的数据帧:Python 基于元组列表选择并连接数据帧行,python,python-3.x,pandas,dataframe,Python,Python 3.x,Pandas,Dataframe,我有两个这样的数据帧: df_cells = pd.DataFrame({ 'left': [1095, 257], 'top': [1247, 1148], 'right': [1158, 616], 'bottom': [1273, 1176] }) df_text = pd.DataFrame({ 'words': ['Hello', 'world', 'nice day', 'have a'], 'left': [1097, 1099,
df_cells = pd.DataFrame({
'left': [1095, 257],
'top': [1247, 1148],
'right': [1158, 616],
'bottom': [1273, 1176]
})
df_text = pd.DataFrame({
'words': ['Hello', 'world', 'nice day', 'have a'],
'left': [1097, 1099, 258, 259],
'top': [1248, 1249, 1156, 1153],
'right': [1154, 1156, 615, 614],
'bottom': [1269, 1271, 1175, 1172]
})
overlap = [(0,0), (1,0), (2, 1), (3, 1)]
Words df_cells.left df_cells.top df_cells.right df_cells.bottom
Hello 1095 1247 1158 1273
world 1095 1247 1158 1273
Have a 257 1148 616 1176
nice day 257 1148 616 1176
Words df_cells.left df_cells.top df_cells.right df_cells.bottom
Hello world 1095 1247 1158 1273
Have a nice day 257 1148 616 1176
df_单元格
包含图像上短语的边框坐标,df_文本
包含图像上的单词及其边框坐标
我创建了一个元组列表,其中短语和单词的边界框基于以下值匹配:左
,上
,右
,下
值:
df_cells = pd.DataFrame({
'left': [1095, 257],
'top': [1247, 1148],
'right': [1158, 616],
'bottom': [1273, 1176]
})
df_text = pd.DataFrame({
'words': ['Hello', 'world', 'nice day', 'have a'],
'left': [1097, 1099, 258, 259],
'top': [1248, 1249, 1156, 1153],
'right': [1154, 1156, 615, 614],
'bottom': [1269, 1271, 1175, 1172]
})
overlap = [(0,0), (1,0), (2, 1), (3, 1)]
Words df_cells.left df_cells.top df_cells.right df_cells.bottom
Hello 1095 1247 1158 1273
world 1095 1247 1158 1273
Have a 257 1148 616 1176
nice day 257 1148 616 1176
Words df_cells.left df_cells.top df_cells.right df_cells.bottom
Hello world 1095 1247 1158 1273
Have a nice day 257 1148 616 1176
其中元组的第一个元素是df_text
的索引值,第二个元素是匹配df_单元格的索引值
我想选择,根据重叠将行合并到一个新的数据框中,如下所示:
df_cells = pd.DataFrame({
'left': [1095, 257],
'top': [1247, 1148],
'right': [1158, 616],
'bottom': [1273, 1176]
})
df_text = pd.DataFrame({
'words': ['Hello', 'world', 'nice day', 'have a'],
'left': [1097, 1099, 258, 259],
'top': [1248, 1249, 1156, 1153],
'right': [1154, 1156, 615, 614],
'bottom': [1269, 1271, 1175, 1172]
})
overlap = [(0,0), (1,0), (2, 1), (3, 1)]
Words df_cells.left df_cells.top df_cells.right df_cells.bottom
Hello 1095 1247 1158 1273
world 1095 1247 1158 1273
Have a 257 1148 616 1176
nice day 257 1148 616 1176
Words df_cells.left df_cells.top df_cells.right df_cells.bottom
Hello world 1095 1247 1158 1273
Have a nice day 257 1148 616 1176
然后用相同的左
,顶
,右
,底
连接单词,如下所示:
df_cells = pd.DataFrame({
'left': [1095, 257],
'top': [1247, 1148],
'right': [1158, 616],
'bottom': [1273, 1176]
})
df_text = pd.DataFrame({
'words': ['Hello', 'world', 'nice day', 'have a'],
'left': [1097, 1099, 258, 259],
'top': [1248, 1249, 1156, 1153],
'right': [1154, 1156, 615, 614],
'bottom': [1269, 1271, 1175, 1172]
})
overlap = [(0,0), (1,0), (2, 1), (3, 1)]
Words df_cells.left df_cells.top df_cells.right df_cells.bottom
Hello 1095 1247 1158 1273
world 1095 1247 1158 1273
Have a 257 1148 616 1176
nice day 257 1148 616 1176
Words df_cells.left df_cells.top df_cells.right df_cells.bottom
Hello world 1095 1247 1158 1273
Have a nice day 257 1148 616 1176
如果您能提供帮助,我将不胜感激。我认为您可以使用列表理解创建的索引将值直接分配给df_text
:
df_text.iloc[[i[0] for i in overlap], 1:] = df_cells.iloc[[i[1] for i in overlap]].to_numpy()
print (df_text)
words left top right bottom
0 Hello 1095 1247 1158 1273
1 world 1095 1247 1158 1273
2 nice day 257 1148 616 1176
3 have a 257 1148 616 1176
print (df_text.groupby(["left", "top", "right", "bottom"], as_index=False).agg({"words":" ".join}))
left top right bottom words
0 257 1148 616 1176 nice day have a
1 1095 1247 1158 1273 Hello world
我不明白什么是“匹配”。您可以从数学上说明匹配条件吗?运行代码时(适用于我的实际dfs和列表)会出现以下错误ValueError:必须具有相等的len键和值使用NdarayMeans设置时,任一df中都有更多列。请始终提供与实际数据相似的示例数据。对不起,这是我的错误。我忘了在重新启动后重新运行笔记本中的一个单元格,该单元格删除一列以使列数相等。