如何将2个数据帧与不同键合并

Question

您能在下面提供我的案例吗？我想合并2个数据集，以获取以下预期结果：

DF 1：一个数据框总结每个ID的功能的值如下：

ID	功能1	功能2
1	1.2	3.4
2	2.3	1.2 3 1.2
3	3.5	6

DF 2：将表映射到根据每个功能的最小/最大阈值确定每个功能的相应段 |功能| min | max |细分| | - | --- | --- | --- | |功能1 | 0 | 1 | 1 | |功能1 | 1 | 2 | 2 | |功能1 | 2 | Inf | 3 | |功能2 | 0 | 4 | 1 | |功能2 | 4 | 5 | 2 | |功能| 5 | Inf | 3 |

预期结果：我想将DF1与df2中的映射表合并以获得相应的段

ID	功能1	功能1	功能1特征1片段	功能2段
1	1.2	3.4	2	1
2	2.3	1.2 3 1.2	3	1
3	3.5	3 3.5 6 3 3	3 3	3

感谢很多帮助。

Answer 1

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'id': [1, 2, 3], 'feature 1': [1.2, 2.3, 3.5], 'feature 2': [3.4, 1.2, 6]})

df2 = pd.DataFrame({'Feature': ['feature 1', 'feature 1', 'feature 1', 'feature 2', 'feature 2', 'feature 2'],
                    'Min': [0, 1, 2, 0, 4, 5], 'Max': [1, 2, np.inf, 4, 5, np.inf], 'segment': [1, 2, 3, 1, 2, 3]})


df1 = df1.set_index('id')

def func_data(x, q):
    df = df2[df2['Feature'] == q]
    ttt = np.where((x.values[0] >= df['Min']) & (x.values[0] <= df['Max']))
    index = df1.index[ttt][0]

    return index


df1['feature_1_segment'] = df1.groupby(['id'])['feature 1'].apply(func_data, 'feature 1')
df1['feature_2_segment'] = df1.groupby(['id'])['feature 2'].apply(func_data, 'feature 2')
df1 = df1.reset_index()

print(df1)

在这里输出

   id  feature 1  feature 2  feature_1_segment  feature_2_segment
0   1        1.2        3.4                  2                  1
1   2        2.3        1.2                  3                  1
2   3        3.5        6.0                  3                  3

，首先将“ ID”列设置为索引。创建一个“ func_data”功能来确定每个数字落入哪个范围。 np.的函数来自numpy的范围。通过“ ID”获取索引。