Python 使用引用数据帧从另一个数据帧获取值并应用计算

我有两个数据框一个数据框包含四个列名，分别为字段名、字段类型、单位度量和资产名。另一个数据帧包含单行中的所有字段_名称以及另一行中相应的值。 一个例子

import pandas as pd
df1 = pd.DataFrame({'Field_Name' : ['W_LD(1)', 'R_LD(3)', 'WMEAS_LD(1)', 'WMEAS_LD(2)','W_LN(1)','WMEAS_LN(1)'],
                    'Field_Type' : [est, est, meas, meas,est,meas], 
                    'Unit' : ['mw', 'mv', 'mw', 'mw','mw','mw'], 
                    'Asset_Name' : ['LD(1)', 'LD(3)', 'LD(1)', 'LD(2)','LN(1)','LN(1)']})


Second Dataframe [all the infromation rowwise]
import pandas as pd
df2=pd.Dataframe({['Device_names','W_LD(1)','R_LD(3)','WMEAS_LD(1)','WMEAS_LD(2)','W_LN(1)','WMEAS_LN(1)'],
                  ['Timestamp','2.2','3.3','1.2','3.4','2.3','4.5']})

现在，我们有两个数据帧。 因此，基本上，我必须检查字段类型是否为估计值或测量值，如果LD（1）和单位为“mw”或“mv”，则为资产名称

---

基于这些条件，我必须从第二个数据帧中提取W_LD（1）和WMEAS_LD（1），并减去这两个值，然后输出为（3.4-2.2）=1.2。这是针对一个设备的，类似地，我必须针对多个设备执行此操作。

如果您的

数据帧是：

df1 = pd.DataFrame({'Field_Name' : ['W_LD(1)', 'R_LD(3)', 'WMEAS_LD(1)', 'WMEAS_LD(2)','W_LN(1)','WMEAS_LN(1)'],
                    'Field_Type' : ['est', 'est', 'meas', 'meas','est','meas'], 
                    'Unit' : ['mw', 'mv', 'mw', 'mw','mw','mw'], 
                    'Asset_Name' : ['LD(1)', 'LD(3)', 'LD(1)', 'LD(2)','LN(1)','LN(1)']})

df2=pd.DataFrame({'Device_names':['W_LD(1)','R_LD(3)','WMEAS_LD(1)','WMEAS_LD(2)','W_LN(1)','WMEAS_LN(1)'],
                  'Timestamp':['2.2','3.3','1.2','3.4','2.3','4.5']})

1.解决方案。

groups=df1.groupby(df1['Asset_Name'])
df1['Timestamp']=df1['Field_Name'].map(df2.set_index('Device_names')['Timestamp'])
df1['Timestamp']=[float(key) for key in df1['Timestamp']]
df1.sort_values('Timestamp',inplace=True)
df1.reset_index(drop=True,inplace=True)
df1['subtract']=groups['Timestamp'].diff()
df1['subtract']=groups['subtract'].transform('first')


2.解释。

groups=df1.groupby(df1['Asset_Name'])
df1['Timestamp']=df1['Field_Name'].map(df2.set_index('Device_names')['Timestamp'])
df1['Timestamp']=[float(key) for key in df1['Timestamp']]
df1.sort_values('Timestamp',inplace=True)
df1.reset_index(drop=True,inplace=True)
df1['subtract']=groups['Timestamp'].diff()
df1['subtract']=groups['subtract'].transform('first')

要计算每组的减法，请执行以下操作：

groups=df1.groupby(df1['Asset_Name'])

首先，在
df1
中按正确顺序插入
时间戳
列，使用。
订单使用​​用正号进行减法

df1['Timestamp']=df1['Field_Name'].map(df2.set_index('Device_names')['Timestamp'])
df1['Timestamp']=[float(key) for key in df1['Timestamp']]
df1.sort_values('Timestamp',inplace=True)
df1.reset_index(drop=True,inplace=True)

然后使用：

然后使用：

df1['subtract']=groups['subtract'].transform('first')
print(df1)

    Field_Name Field_Type Unit Asset_Name  Timestamp  subtract
0  WMEAS_LD(1)       meas   mw      LD(1)        1.2       1.0
1      W_LD(1)        est   mw      LD(1)        2.2       1.0
2      W_LN(1)        est   mw      LN(1)        2.3       2.2
3      R_LD(3)        est   mv      LD(3)        3.3       NaN
4  WMEAS_LD(2)       meas   mw      LD(2)        3.4       NaN
5  WMEAS_LN(1)       meas   mw      LN(1)        4.5       2.2