Python 比较两个数据帧，然后基于另一个数据帧向其中一个数据帧添加新列

我需要能够比较两个数据帧，一个带一列，一个带两列，如下所示：

import numpy as np
import pandas as pd

df_1 = pd.DataFrame(columns=list('AB'))
df_1['A'] = np.random.randint(00,99,size=(5))

df_2  = pd.DataFrame(columns=list('XY'))
df_2['X'] = np.arange(0,100,0.1)
df_2['Y'] = np.cos(df_2['X']) + 30

现在，我想比较df_1['A']和df_2['X']以找到匹配的值，然后在df_1（也称为df_1['B']）中创建第二列，其中df_2['Y']中的值对应于匹配的df_2['X']值。有人有解决办法吗

如果数据帧的前两列之间没有精确的匹配值，是否有方法匹配下一个最接近的值（阈值为~5%）？

dfu 2.merge（dfu 1，left_on=['X']，right_on=['a']）。重命名（{'Y'：'B'，axis='columns'））

---

合并过滤

df_1['A']

和

df_2['X']

之间的公共值，并在将“Y”重命名为“B”后。

如OP中所述，如果df_2['X']中没有精确匹配，您可能还需要捕获与df_1['A']列表最接近的值……为此，您可以尝试以下操作：

根据OP定义您的dfs：

df_1 = pd.DataFrame(columns=list('AB'))
df_1['A'] = np.random.randint(00,99,size=(5))

df_2  = pd.DataFrame(columns=list('XY'))
df_2['X'] = np.arange(0,100,0.1)
df_2['Y'] = np.cos(df_2['X']) + 30 #changed "line_x"

首先定义一个将查找最接近值的函数：

import numpy as np    
def find_nearest(df, in_col, value, out_col): #args = input df (df_2 here), column to match against ('X' here), value to match in in_col (values in df_1['A'] here), column with data you want ('Y' here)
    array = np.asarray(df[in_col])
    idx = (np.abs(array - value)).argmin()
    return df.iloc[idx][out_col]

然后获取所需的所有df_2['Y']值：

matching_vals=[] #declare empty list of matching values from df_2['Y'] to add to df_1['B']
for A in df_1['A'].values: #loop through all df_1['A'] values
    if A in df_2['X']: # if exact match
        matching_vals.append(float(df_2[df_2['X']==A]['Y'])) #append corresponding df_2['Y'] value to list
    else: #no exact match
        matching_vals.append(find_nearest(df_2,'X',A,'Y')) #append df_2['Y'] value with closest match in df_2['X'] column

最后，将其添加到原始df_1：

df_1['B']=matching_vals

此示例适用于您提供的dfs，但您可能需要稍微修改处理实际数据的步骤

---

如果要强制执行5%阈值规则，还可以再添加一条if语句。如果不通过，只需将nan添加到列表中（或任何最适合您的语句）

由于某些原因，我在第一行遇到了无效的语法错误。真的吗？我在粘贴之前尝试过。可能是格式或某些东西弄乱了。我会再次检查它。粘贴时，间距弄乱了，我更正了它，并包含了我定义dfs的第一位代码，我更改了您的“line_x”因为它没有定义…我想你是指df_2['X']..再次运行它，它工作了。你是对的。我也修复了原来的帖子。谢谢你的关注