Python 多条件模糊连接

我知道有一些题目类似的问题，但没有一个能真正回答我的问题。 我有一个数据框，如下所示。“索引”列实际上是时间戳。A栏是指有多少吨物料被倾倒到破碎机中。B列是每个时间戳的破碎率。我想知道的是，根据破碎率（B列），一批材料（a列）何时会被破碎

有三种可能的情况

第一批货物在第二批货物装载时压碎

第一个负载在第二个负载之前被压碎

当添加第二个荷载时，第一个荷载不会被压碎

我试图计算A列和B列的累积值，并使用merge_asof执行模糊联接。但由于没有储存过多的压碎能力，因此它并没有像预期的那样工作。仅应考虑装载材料后的破碎率

A={'index'：范围（1,11），'A'：[300,0,0400,0,0,0150,0]}
B={'index'：范围（1,11），'B'：[102103,94120145114126117107100]}
A=pd.DataFrame（数据=A）
B=pd.DataFrame（数据=B）

以下是预期结果：

IndexA  A   IndexB  B_accumulate 
1      300  4       419
4      400  8       502
9      150  10      207

---

B_accumulate是运行压碎率（B）的总和，当一堆材料被压碎（当B_accumulate>=a）时，它被重置为0。我相信你可以简化它

C = A.join(B.set_index('index'), on='index')

C['A_filled'] = C['A'].replace(to_replace=0, method='ffill')
C['cumul_load'] = C['A'].cumsum()
C['load_number'] = C.groupby('cumul_load').ngroup() + 1
C['B_accum'] = C.groupby('load_number')['B'].cumsum()
C['A_fully_crushed'] = C['B_accum'] > C['A_filled']
C['first_index_fully_crushed'] = C.groupby('load_number')['A_fully_crushed'].cumsum() == 1

indexA_ = C['index'][C['A'] > 0].tolist()
A_ = C['A'][C['A'] > 0].tolist()
indexB_ = C['index'][C['first_index_fully_crushed'] == True].tolist()
B_accumulate_ = C['B_accum'][C['first_index_fully_crushed'] == True].tolist()
result = pd.DataFrame({'indexA': indexA_, 'A': A_, 'indexB': indexB_, 'B_accumulate': B_accumulate_})

这就产生了

   indexA    A  indexB  B_accumulate
0       1  300       4           419
1       6  400       9           464

---

创建DF组合A&B：

A = {'index':range(1,11),'A':[300,0,400,0,0,0,0,0,100,0]}
B = {'index':range(1,11),'B':[102,103,94,120,145,114,126,117,107,87]}
df_A = pd.DataFrame(data=A)
df_B = pd.DataFrame(data=B)
df_com = pd.concat([df_A,df_B],axis=1).drop('index',axis=1)

创建索引：

indexA = list(df_com.A[df_com.A.ne(0)].index + 1)
indexB = np.array(indexA) - 2
indexB = np.append(indexB[1:],(len(df_com)-1))

将0替换为列A中的ffill（）：

df_com['A'] = df_com.A.replace(0,method='pad')

groupby和add索引列：

df_new =df_com.groupby("A",sort=False).apply(lambda x:x.B.shift(1).sum()).reset_index()
df_new['indexA'] = indexA
df_new['indexB'] = indexB
df_new

---

可能的办法。问题分为两部分-获取材料的实际数量（不能为负）和分析负载（当当前时间步长内有任何数量的材料要压碎时，按行分组）

---

我简化了结构，使用了Series而不是DataFrame，索引从零开始。 将应用cumsum（）和searchsorted（）

Load = pd.Series([300,0,0,400,50,0,0,0,150,0])  # aka 'A'
Rate = pd.Series([102,103,94,120,145,114,126,117,107,100])  # aka 'B'

# Storage for the result:
H=[]    # [ (indexLoad, Load, indexRate, excess) ... ]

# Find the 1st non 0 load:
load1_idx= len(Load)

for lix in range(len(Load)):
    a= Load[lix]
    if a!=0:
        csumser= Rate.cumsum()
        rix= csumser.searchsorted(a)
        excess= csumser[rix]-a
        H.append( (lix,a,rix,excess) )
        load1_idx=lix
        break

# Processing
for lix in range(load1_idx+1,len(Load)):

    a=Load[lix]
    if a==0:
        continue

    last_rix= H[-1][-2]
    csumser[last_rix:]= Rate[last_rix:]
    if lix==last_rix:
        csumser[lix]= H[-1][-1] # excess

    csumser[last_rix:]= csumser[last_rix:].cumsum()

    rix= csumser[last_rix:].searchsorted(a)
    rix+= last_rix
    excess= csumser[rix]-a
    H.append( (lix,a,rix,excess) )       

df= pd.DataFrame(H, columns=["indexLoad","Load","indexRate","rate_excess"])
print(df)

   indexLoad  Load  indexRate  rate_excess
0          0   300          3          119
1          3   400          6          104
2          4    50          6           76
3          8   150          7           93

---

你好@WolfgangK，谢谢你的解决方案。然而，它并不是在所有情况下都有效。我还应该提到的是，有些情况下，第一个负载尚未完全压碎，但第二个负载已经添加。例如，如果我可以将数据帧A更改为A={'index'：范围（1,11），'A'：[300,0,0400,0,0,0,0,0]}，则您的解决方案将不起作用。@Cypress感谢您查看我的帖子。我的解决方案还不能涵盖其他情况吗？如果是这样，考虑将这些情况添加到你的问题中。我认为有三种可能的情况。1） 第一批货物在第二批货物之前被压碎。2） 第一个负载在第二个负载之前被压碎。3） 当添加第二个荷载时，第一个荷载不会被压碎。我会更新这个问题。嗨，瑞恩，谢谢你的帖子。但是，您的解决方案仅适用于提供的示例数据。然而，实际数据比样本大得多，你的方法不起作用。在指数4，300吨的第一批货物被压碎。此时，仍有剩余的破碎能力，下一个负载已经加载。但是，下一个负载的破碎仅在下一个时间点开始。这是正确的吗？我们可以将此解释为“连续加载不混合”吗？嗨，Poolka，谢谢你的回复。但是，我已经用我的原始数据集尝试过了，您的解决方案似乎仍然不能解决第三种情况。对于这个场景，您的代码将结合第一次和第二次加载，这不是我想要的。谢谢kantal的文章。你的密码几乎回答了我的问题。我只需要将您的上一个X计算更改为上一个X=H[-1][2]+1。非常感谢你的帮助！

   indexA  total_load  loads_qty  indexB  total_work
0       1         300          1       4         419
1       6         500          2      10         551
2      12         300          1      15         419
3      17         500          2      21         551

Load = pd.Series([300,0,0,400,50,0,0,0,150,0])  # aka 'A'
Rate = pd.Series([102,103,94,120,145,114,126,117,107,100])  # aka 'B'

# Storage for the result:
H=[]    # [ (indexLoad, Load, indexRate, excess) ... ]

# Find the 1st non 0 load:
load1_idx= len(Load)

for lix in range(len(Load)):
    a= Load[lix]
    if a!=0:
        csumser= Rate.cumsum()
        rix= csumser.searchsorted(a)
        excess= csumser[rix]-a
        H.append( (lix,a,rix,excess) )
        load1_idx=lix
        break

# Processing
for lix in range(load1_idx+1,len(Load)):

    a=Load[lix]
    if a==0:
        continue

    last_rix= H[-1][-2]
    csumser[last_rix:]= Rate[last_rix:]
    if lix==last_rix:
        csumser[lix]= H[-1][-1] # excess

    csumser[last_rix:]= csumser[last_rix:].cumsum()

    rix= csumser[last_rix:].searchsorted(a)
    rix+= last_rix
    excess= csumser[rix]-a
    H.append( (lix,a,rix,excess) )       

df= pd.DataFrame(H, columns=["indexLoad","Load","indexRate","rate_excess"])
print(df)

   indexLoad  Load  indexRate  rate_excess
0          0   300          3          119
1          3   400          6          104
2          4    50          6           76
3          8   150          7           93