将数据帧行(pandas)匹配到单独的数据帧行，并且如果第一列匹配则执行计算

Question

新手python/程序员正在尝试使数据记录器下载和计算过程更流畅，作为一个副项目。不管怎样，我有两个数据帧。第一个是"data“，它包含以下内容(为简单起见，行数缩短)：

    Logger Name    Date and Time  Battery   Temp(C)  Sensor Reading(dg)  Sensor Temp(C)  Array #
0   TDX  10/1/2021 13:35                2.93             15.59            8772.737            14.5      833
1   TDX  10/1/2021 13:36                2.93             15.59            8773.426            14.5      834
2   TDX  10/1/2021 13:36                2.93             15.59            8773.570            14.5      835
3   TDX  10/1/2021 13:37                2.93             15.59            8773.793            14.5      836

第二个是"param“，它的参数包含我用来进行计算的值：

Transducer_ID  elevation_tom  elevation_toc  elevation_ground  elevation_tos calculation  gage_factor  xd_zero_reading  thermal_factor  xd_temp_at_zero_reading  piezo_elev  piezo_downhole_depth
0   TDX            NaN            NaN              1000            NaN      linear     -0.04135             9138        0.003119                     24.8        1600                   400
1  Test            NaN            NaN              1000            NaN      linear     -0.18320             8997       -0.170100                     22.6         800                   200

现在我希望代码能够做的是在“数据”中创建一个新的列，称为“线性P”，它基于使用来自两个数据帧的变量的计算进行填充: digits_zero_digits -传感器读数(Dg)* abs(gage_factor)。现在，如果"param“只有一个Transducer ID和与"data”相同的行数，这不是问题，但实际上它有很多具有不同ID的行。

所以我的问题是。实现我的目标的最佳方式是什么？它是循环遍历列，还是使用pandas库更有效？

提前感谢！

编辑:我正在寻找的输出是这样的

    Logger Name    Date and Time  Battery Voltage(v)  Internal Temp(C)  Sensor Reading(dg)  Sensor Temp(C)  Array #   Linear P
0   TDX  10/1/2021 13:35                2.93             15.59            8772.737            14.5      833  15.103625
1   TDX  10/1/2021 13:36                2.93             15.59            8773.426            14.5      834  15.075135
2   TDX  10/1/2021 13:36                2.93             15.59            8773.570            14.5      835  15.069181
3   TDX  10/1/2021 13:37                2.93             15.59            8773.793            14.5      836  15.059959

Answer 1

更有效的方法是基于我的经验：

使用对结果数据框( df["Linear P"] = df["Sensor Reading(dg)"] * ... ) . )的(https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.join.html).

• make计算，

1. 连接两个数据框

下面是我的流程的一个示例：

import pandas as pd

df1 = pd.DataFrame({'Names': ['a', 'a'],
                   'var1': [35, 15,],
                   'var2': [15, 40]})

df2 = pd.DataFrame({'Names1': ['a', 'E'],
                   'var3': [35, 15,],
                   'var4': [15, 40]})
final_df = df1.merge(df2, left_on='Names', right_on='Names1', how='left' )
final_df["Linear P"] = final_df["var3"] * final_df["var2"] - abs(final_df["var2"])
print(final_df)

Answer 2

只是想出了一种看起来相当有效的方法。我只需删除"param“中不需要的数据：

z = data.iloc[0,0]
param = param[param.Transducer_ID == z]

过滤数据后，我只从param中提取所需的值：

x = piezo_param.iloc[0, 7]
y = piezo_param.iloc[0, 6]

并执行计算：

data['Linear P'] = (x - data['Sensor Reading(dg)']) * abs(y)

如果这看起来是完成工作的最好方法，请让我知道！