Pandas 数据框合并的工作量更大还是更少？

Question

现在我需要合并两个条件大于（>=）的数据框。但是merge只支持equal。有什么办法可以处理吗？谢谢！

Answer 1

我不知道如何在 pandas 中使用类似的合并和连接语法来实现以下目标，

SELECT * 
FROM a 
INNER JOIN b 
ON a.column1 >= b.column1 AND a.column1 <= b.column2 

但上面的查询也可以隐式写为：

SELECT * 
FROM a, b 
WHERE a.column1 >= b.column1 AND a.column1 <= b.column2 

这基本上是旧语法，应该完全相同（性能方面）。它采用 2 个表的笛卡尔积（或交叉联接），然后使用 WHERE 条件从其中进行选择，这可以在 pandas 中轻松实现。这可能会占用大量内存，但速度应该很快。

首先是FROM a, b子句（我们临时在所有行中分配具有相同值的列，因此我们可以对其进行交叉连接）；

df = pd.merge(a.assign(key=0), b.assign(key=0), on='key').drop('key', axis=1)

然后使用布尔索引（我们的WHERE子句）对帧进行切片；

df[(df["column1_x"] >= df["column1_y"]) & (df["column1_x"] <= df["column2_y"])]

如果您不想要笛卡尔积而只想比较两个表的相同索引上的行，您可以像这样合并索引；

df = a.merge(b, left_index = True, right_index = True)

如果它们长度相同，则在轴 1 上连接；

df = pd.concat([a, b], axis=1)

并再次使用布尔索引来消除结果；

df[(df["column1_x"] >= df["column1_y"]) & (df["column1_x"] <= df["column2_y"])]