小编Nek*_*eko的帖子

我有两个数据框：

 df1<-   A      C\n       7.629    1\n       5.227    2\n       5.472    3\n       5.386    4\n       5.445    5\n\n         A      B  \n df2<- 7.634   10.0\n       7.732   30.0\n       5.223   33.0\n       5.479   22.0\n       5.390   49.0\n       5.439   53.0\n

我想对 A 列执行内部合并，容差值为 \xc2\xb10.01 以获得结果数据：

df3<-       A       B      C \n          7.634   10.0     1\n          5.223   33.0     2\n          5.479   22.0     3\n          5.390   49.0     4 \n          5.439   53.0     5 \n

这可以吗？

（请注意，df3 的 A 列具有从 df2 复制的值）

我正在使用这行代码来确定大型数据框 df 列中的值，这些值接近 A 的值（在容差范围内）：

df[df[['column']].apply(numpy.isclose, b=A, atol=0.004).any(1)]

但是，在某些情况下，A 可以有多个值（即 2-4 个不同的值）。有没有一种方法可以让我遍历 A 的每个值来测试每个值？我知道上面显示的代码行只会让我使用 A，如果它有一个分配给它的值。

这方面的一个例子是（使用更短的数据帧）：

   column1   column2
0  0.902062    5.8
1  0.557808    3.3
2  0.655985    3.9
3  0.832471    4.1  
4  0.199884    1.2
5  0.127254    1.8
6  0.771439    4.9
7  0.432289    2.8
8  0.385282    2.2
9  0.783643    3.7

其中 A 具有值：

A=[0.432, 0.783, 0.902]

但在另一个示例中，它可能具有以下值：

A=[0.558, 0.002]

（这里很明显，数据框中的任何内容实际上都不会匹配 0.002）。

我想要一些代码，它能够从数据框中返回行，其中 column1 值与所有示例的 A 值匹配，而不管不同 A 值的数量如何（如果没有匹配，则返回“NaN”反而）。