我有兩個數據框。df1 包括 4 名男性和 4 名女性的體重和身高（英寸）。#df1John, 236, 76Jack, 204, 74Jim, 156, 71Jared, 182, 72Suzy, 119, 60Sally, 149, 66Sharon, 169, 65Sammy, 182, 75df2 包括 4 名男性和 4 名女性的體重和身高（英寸）。#df2Aaron, 285, 77Abe, 236, 75Alex, 178, 72Adam, 195, 71Mary, 148, 66Maylee, 155, 66Marilyn, 199, 65Madison, 160, 73我想要做的是讓來自 df1 的男性與來自 df2 的男性進行比較，以根據身高和體重查看他們最喜歡的人。只需從體重中減去體重，從身高中減去身高，然后返回 df2 中每個人的絕對值。更具體地說，返回最相似的人的名字。所以在這種情況下，約翰最接近的匹配是 Abe 所以在一個新的列 df1['doppelganger'] = "Abe"中。我是一個初學者愛好者，所以即使指出我正確的方向也會有所幫助。我一直在查看堆棧溢出大約五個小時，試圖弄清楚如何處理這樣的事情。
1 回答
米琪卡哇伊
TA貢獻1998條經驗 獲得超6個贊
首先是需要區分men和women，這里使用了重復4次的新列m和f。然后DataFrame.merge通過新列與所有組合的外部連接一起使用，并為差異創建新列，最后一列是sum其中的列。然后按 3 列排序DataFrame.sort_values，因此每組的第一行按A和g過濾DataFrame.drop_duplicates：
df = (df1.assign(g = ['m']*4 + ['f']*4)
.merge(df2.assign(g = ['m']*4 + ['f']*4), on='g', how='outer', suffixes=('','_'))
.assign(dif1 = lambda x: x['B'].sub(x['B_']).abs(),
dif2 = lambda x: x['C'].sub(x['C_']).abs(),
sumdiff = lambda x: x['dif1'] + x['dif2'])
.sort_values(['A', 'g','sumdiff'])
.drop_duplicates(['A','g'])
.sort_index()
.rename(columns={'A_':'doppelganger'})
)
print (df)
A B C g doppelganger B_ C_ dif1 dif2 sumdiff
1 John 236 76 m Abe 236 75 0 1 1
7 Jack 204 74 m Adam 195 71 9 3 12
10 Jim 156 71 m Alex 178 72 22 1 23
14 Jared 182 72 m Alex 178 72 4 0 4
16 Suzy 119 60 f Mary 148 66 29 6 35
20 Sally 149 66 f Mary 148 66 1 0 1
25 Sharon 169 65 f Maylee 155 66 14 1 15
31 Sammy 182 75 f Madison 160 73 22 2 24
輸入數據幀：
print (df1)
A B C
0 John 236 76
1 Jack 204 74
2 Jim 156 71
3 Jared 182 72
4 Suzy 119 60
5 Sally 149 66
6 Sharon 169 65
7 Sammy 182 75
print (df2)
A B C
0 Aaron 285 77
1 Abe 236 75
2 Alex 178 72
3 Adam 195 71
4 Mary 148 66
5 Maylee 155 66
6 Marilyn 199 65
7 Madison 160 73
添加回答
舉報
0/150
提交
取消