python中的r fuzzyjoin

Question

fuzzyjoin是一个R库，它允许基于函数进行连接，而不是is的相等。我想知道在Python中是否可以做到同样的事情。例如，我可能想要基于两个不等式进行连接。我有以下DataFrames：

import pandas as pd
df = pd.DataFrame(dict(
    x=range(10)
))

other_df = pd.DataFrame(dict(
    min_x=[0, 6],
    max_x=[5, 10],
    category=['a', 'b']
))

我希望离开join df和other_df，这样x >= min_x和x <= max_x就可以获得以下数据：

   x category
0  0        a
1  1        a
2  2        a
3  3        a
4  4        a
5  5        a
6  6        b
7  7        b
8  8        b
9  9        b

在熊猫身上有什么简单的方法吗？

Answer 1

是的，在python中也可以这样做。它可以按以下方式进行-

import pandas as pd
df = pd.DataFrame(dict(
    x=range(10)
))

other_df = pd.DataFrame(dict(
    min_x=[0, 6],
    max_x=[5, 10],
    category=['a', 'b']
))

df['category'] = df['x'].apply(lambda x: other_df.loc[(other_df['min_x'] <= x) & (other_df['max_x'] >= x), 'category'].item())

print(df)

我使用熊猫apply对列中的每一项执行相同的函数(在本例中是lambda函数)。在这个应用函数中，我执行了loc函数，根据来自other_df的条件查找值，并使用这些值构建了一个新列。