Python 在两个不同长度的数据帧中匹配最近值

如果我有两个不同长度、不同标签和不同数字精度级别的数据帧，如下所示：

df1 = pd.DataFrame({'a':np.array([1.2345,2.2345,3.2345]),'b':np.array([4.123,5.123,6.123])})
df2 = pd.DataFrame({'A':np.array([1.2346,2.2343]),'B':np.array([4.1232,5.1239])})

如何找到两个数据帧在列“a”和“a”之间具有近似匹配值的行（例如精度在2位以内），从而生成这样的数据帧

      a         b         A         B
------------------------------------------------
 | 1.2345  |  4.123  |  1.2346  |  4.1232  |
 | 2.2345  |  5.123  |  2.2343  |  5.1239  |

尝试：

尝试#1：

这只有在列“a”和“a”之间存在精确匹配时才起作用，但我不确定如何合并一个模糊因子以允许匹配精度在2位以内的行

尝试#2

这就产生了错误“ValueError:只能比较标签相同的系列对象”，因为我认为这两个数据帧具有不同的标签（'a'、'b'和'a'、'b'）

关于如何实现这一点有什么想法吗？

使用，您可以在

Mo（logn）

中找到

df1

中最接近的数学，其中

n

是

df2

中的元素数和

m

df1中的元素数

将熊猫作为pd导入
将numpy作为np导入
从scipy.spatial导入cKDTree
df1=pd.DataFrame（{'a'：np.array（[1.2345,2.2345,3.2345]），'b'：np.array（[4.123,5.123,6.123]））
df2=pd.DataFrame（{'A'：np.array（[1.2346,2.2343]），'B'：np.array（[4.1232,5.1239]））
def spatical_merge_NN（df1，df2，xyz=['A'，'B']）：
''将特征从df2添加到df1，取最近点''
tree=cKDTree（df2[xyz].值）
dists，index=tree.query（df1[['a'，'b']].值，k=1）
fts=[df2.列中c代表c]
对于fts中的c：
df1[c]=df2[c]。值[索引]
返回df1
df_new=spatical_merge_NN（df1，df2，['A'，'B']）
#a b a b
# 0  1.2345  4.123  1.2346  4.1232
# 1  2.2345  5.123  2.2343  5.1239
# 2  3.2345  6.123  2.2343  5.1239

---

它放置一个数据帧常量（在本例中为

df1

），并在

df2

中迭代，从

d2

中找到最接近的一对，然后添加该行。

请尝试感谢您向我显示该链接，不幸的是，pd.merge方法似乎无法以我想要的方式为我工作。谢谢！这种方法似乎只是返回df1，而没有来自df2的匹配数据。看看这个函数，不清楚如何请求特定精度的数字来获得匹配的行。@DaxFeliz你说得对。现在修好了！谢谢！这太棒了。在“A”和“B”列中，似乎有一个重复的行。我认为可能总是这样，所以我在返回df1之前添加了一行新行，以删除最后一行：df1.drop（df1.tail（1.index，inplace=True）。虽然这在本例中有效，但您是否知道如何使用此方法更改行匹配的数字精度，以使其成为更一般的答案？是不是cKDTree函数中的“leafsize”参数？@DaxFeliz是的。它的工作方式是放置一个数据帧常量（在本例中为df1），并在

df2

中迭代，从

d2

中找到最接近的一对，然后添加该行。这意味着，您可能希望在

df2

数据中看到重复。可以考虑删除重复行。

matches_df = pd.merge(df1, df2,  how='inner', left_on=['a'], right_on = ['A'])

matches_df = df1.loc[np.round(df1['a'],2)==np.round(df2['A'],2)]