基于Python中的几个查找表创建一个新列

我有一个大熊猫数据框（

df_orig

）和几个查找表（也是数据框），它们对应于

df_orig

中的每个段

以下是

df_orig

的一小部分：

segment score1 score2 
 B3         0   700
 B1         0   120
 B1       400   950
 B1       100   220
 B1       200   320
 B1       650   340
 B5       300   400
 B5         0   320
 B1         0   240
 B1       100   360
 B1       940   700
 B3       100   340

这里有一个完整的B5段查找表，称为

阈值\u B5

（大数据集中的每个段都有一个查找表）：

我想在我的大型数据集中创建一个与此SQL逻辑相关的新列：

段为'B5'时的情况，然后
当分数1=990且分数2>=220时，则为1
当分数1=980且分数2>=280时，则为1
.
.
.
其他0
当段='B1'时的情况，则
.
.
.
否则0结束作为指示器

我能够使用基于以下解决方案的循环获得正确的输出：

然而，我需要另一个循环来为每个段运行这个过程，然后将所有结果数据帧追加到一起，这有点混乱。此外，虽然我现在只有三个片段（B1、B3、B5），但我将来会有20多个片段

---

有没有一种方法可以更简洁地做到这一点，而且最好不使用循环？有人警告我，数据帧上的循环往往很慢，考虑到我的数据集的大小，我认为速度很重要。

如果您同意提前对数据帧进行排序，那么您可以用新的循环示例替换循环示例：

这就是我得到的：

  segment  score1  score2  indicator
0      B5       0     320          0
1      B5     300     400          1

如果需要原始顺序，则将索引保存在

df_orig

的一个新列中，然后按该顺序使用最终数据帧

---

，因此您可以为每个阈值设置

segment

列，然后调用：

pd.merge_asof(df_orig, thresholds, on='score2', by=['segment', 'score1'])

---

哇！这真是一个非常有用的新功能！谢谢你！为了确保我理解，我仍然需要一个循环来运行

df_orig['segment'].unique（）中每个段的代码。给定多个by参数的限制，unique（）

，对吗？@D.Ross这是正确的。现在，您在独特段上的外环将保持不变。@chrisaycock真棒。我会接受你的回答，只要我今晚从公司网络升级到0.19.0。

# query
df_b5 = df_orig.query('segment == "B5"')

# sort ahead of time
df_b5.sort_values('score2', inplace=True)
threshold_b5.sort_values('score2', inplace=True)

# set the default indicator as 1
threshold_b5['indicator'] = 1

# join the tables
df = pd.merge_asof(df_b5, threshold_b5, on='score2', by='score1')

# fill missing indicators as 0
df.indicator = np.int64(df.indicator.fillna(0.0))

  segment  score1  score2  indicator
0      B5       0     320          0
1      B5     300     400          1

pd.merge_asof(df_orig, thresholds, on='score2', by=['segment', 'score1'])