pd.concat和pd.merage_asof的使用

Question

我曾经看到pd.concat和pd.merge_asof的用法如下：

df = pd.concat([
    pd.merge_asof(
        df1,
        df2,
        left_on = "m",
        right_on = "m",
        direction = "nearest",
        tolerance = 3
    )
 ])

我不太清楚它正在尝试做什么，以及为什么我们需要pd.concat而不是pd.merge_asof的结果。tolerance = 3是如何使用的？

Answer 1

这里的代码还没有完成

df = pd.concat([
    pd.merge_asof(
        df1,
        df2,
        left_on = "m",
        right_on = "m",
        direction = "nearest",
        tolerance = 3
    ),somedf])

另外，对于tolerance，如果差异小于3，它将返回匹配，如果大于3，则不认为匹配。

Answer 2

pd.merge_asof的工作方式类似于左联接，但通常不用于匹配确切的值。

解释代码:它使用"m“列作为键在df1 (左)和df2 (右)之间创建一个”左联接“。pd.merge_asof所做的就是寻找一个完全匹配的。如果没有找到它，它会在默认情况下带来新的值，向后看(方向=“向后”是默认的，必须对dfs进行排序)。

方向:在这种情况下，方向值被定义为“最近的”。因此，它将寻找一个匹配的，如果没有找到，这里将回顾和向前，并计算差异(距离)。结果与较低的差异将是赢家！

什么是容忍:当回顾和向前看时，这里允许的最大差异是3。如果一个值超过这个限制将不允许加入，而另一个将是赢家。如果这两个值都超过了，它将返回NaN。

About pd.concat:，好吧，它只是连接在下面(默认情况下声明轴时)