Pandas案例精进 | 结构化数据非等值范围查找 ②

Aidan075 等级 635 0 0

Pandas案例精进 | 结构化数据非等值范围查找 ②

大家好,我是小五🐶

欢迎来到「Pandas案例精进」专栏,点击蓝字查看全部

前文回顾:Pandas案例精进 | 结构化数据非等值范围查找 ①

本文是承接上一篇的实战案例,没看过的小伙伴建议先点击👆上方链接查看前文

Pandas案例需求

需求如下:

Pandas案例精进 | 结构化数据非等值范围查找 ②

该问题最核心的解题思路是按照地区代码先将两张表关联起来,然后按照重量是否在指定的区间筛选出符合条件的记录。不同的解法实际区别也是,如何进行表关联,如何进行关联后的过滤。

上文的简化写法

简化后:

import pandas as pd  

product = pd.read_excel('sample.xlsx', sheet_name='A')  
cost = pd.read_excel('sample.xlsx', sheet_name='B')  

fi_cost = cost.set_index(['地区代码','地区缩写']).stack().reset_index()  
result = pd.merge(product, fi_cost, on='地区代码', how='left')  
result.columns = ['产品ID', '地区代码', '重量', '地区缩写', '重量区间', '价格']  
result[['最低区间', '最高区间']] = result['重量区间'].str.split('~', expand=True).astype(float)  
result.query("最低区间<=`重量`<=最高区间")  

Pandas案例精进 | 结构化数据非等值范围查找 ②

顺序查找匹配

考虑到直接merge会产生笛卡尔积,多消耗N倍的内存,所以下面采用筛选连接法,执行耗时比merge连接稍微长点,但减少了内存消耗。

首先读取数据:

import pandas as pd  
from IPython.core.interactiveshell import InteractiveShell  
InteractiveShell.ast_node_interactivity = 'all'  

product = pd.read_excel('sample.xlsx', sheet_name='A')  
cost = pd.read_excel('sample.xlsx', sheet_name='B')  

预览数据:

product.head()  
cost.head()  

Pandas案例精进 | 结构化数据非等值范围查找 ②

下面我们将价格表由"宽格式"旋转为"长格式"方便匹配:

fi_cost = cost.melt(id_vars=["地区代码", "地区缩写"], var_name="重量区间", value_name='价格')  
fi_cost  

Pandas案例精进 | 结构化数据非等值范围查找 ②

观察价格区间00.5, 0.5011, 1.012, 2.013, 3.014, 4.015, 5.017, 7.0110, 10.0115, 15.01100000我们完全可以只取前面的数字或只取后面的数字,理解为一个前闭后开或前开后闭的区间,我取重量区间的最大值来表示区间:

fi_cost.重量区间 = fi_cost.重量区间.str.split("~").str[1].astype("float")  
fi_cost.sort_values(["地区代码", "重量区间"], inplace=True, ignore_index=True)  
fi_cost.head(10)  

Pandas案例精进 | 结构化数据非等值范围查找 ②

测试对第一个产品,取出对应的地区价格表:

fi_cost_g = fi_cost.groupby("地区代码")  
for product_id, area_id, weight in product.values:  
    print(product_id, area_id, weight)  
    cost_table = fi_cost_g.get_group(area_id)  
    display(cost_table)  
    break  

Pandas案例精进 | 结构化数据非等值范围查找 ②

下面我们继续测试根据重量筛选出对应的价格:

fi_cost_g = fi_cost.groupby("地区代码")[["地区缩写", "重量区间", "价格"]]  
for product_id, area_id, weight in product.values:  
    print(product_id, area_id, weight)  
    cost_table = fi_cost_g.get_group(area_id)  
    display(cost_table)  
    for area, weight_cost, price in cost_table.values:  
        if weight <= weight_cost:  
            print(area, price)  
            break  
    break  

Pandas案例精进 | 结构化数据非等值范围查找 ②

可以看到已经顺利的匹配出对应的价格是20.05。

于是完善最终代码为:

result = []  
fi_cost_g = fi_cost.groupby("地区代码")[["地区缩写", "重量区间", "价格"]]  
for product_id, area_id, weight in product.values:  
    cost_table = fi_cost_g.get_group(area_id)  
    for area, weight_cost, price in cost_table.values:  
        if weight <= weight_cost:  
            break  
    result.append((product_id, area_id, area, weight, price))  
result = pd.DataFrame(result, columns=["产品ID", "地区代码", "地区缩写", "重量(kg)", "价格"])  
result  

Pandas案例精进 | 结构化数据非等值范围查找 ②

成功匹配出每个产品对应的地区简写和价格。

顺序查找匹配的完整代码为:

import pandas as pd  

product = pd.read_excel('sample.xlsx', sheet_name='A')  
cost = pd.read_excel('sample.xlsx', sheet_name='B')  

fi_cost = cost.melt(id_vars=["地区代码", "地区缩写"], var_name="重量区间", value_name='价格')  
fi_cost.重量区间 = fi_cost.重量区间.str.split("~").str[1].astype("float")  
fi_cost.sort_values(["地区代码", "重量区间"], inplace=True, ignore_index=True)  
result = []  
fi_cost_g = fi_cost.groupby("地区代码")[["地区缩写", "重量区间", "价格"]]  
for product_id, area_id, weight in product.values:  
    cost_table = fi_cost_g.get_group(area_id)  
    for area, weight_cost, price in cost_table.values:  
        if weight <= weight_cost:  
            break  
    result.append((product_id, area_id, area, weight, price))  
result = pd.DataFrame(result, columns=["产品ID", "地区代码", "地区缩写", "重量(kg)", "价格"])  
result  

小结

上述方法就已经解决了问题,考虑到上述区间查找其实是一个顺序查找的问题,所以我们还可以使用二分查找进一步优化减少查找次数!

原始需求和数据见👉Pandas案例精进 | 结构化数据非等值范围查找 ①

本文转转自微信公众号凹凸数据原创https://mp.weixin.qq.com/s/ZBJX60BW8fYVYTijpUUjdA,可扫描二维码进行关注: Pandas案例精进 | 结构化数据非等值范围查找 ② 如有侵权,请联系删除。

收藏
评论区

相关推荐

Pandas案例精进 | 结构化数据非等值范围查找 ②
(https://imghelloworld.osscnbeijing.aliyuncs.com/4971fbce1ecb759123ecc666f3af2c31.png) 大家好,我是小五🐶 欢迎来到「Pandas案例精进」专栏(https://mp.weixin.qq.com/mp/appmsgalbum?__bizMzU5Nzg
Pandas案例精进 | 续集:自动分割汇总表写入到子表
(https://imghelloworld.osscnbeijing.aliyuncs.com/0d046e77f6ee65ce132919966585165a.png) 大家好! 欢迎来到「Pandas案例精进」专栏(https://mp.weixin.qq.com/mp/appmsgalbum?__bizMzU5Nzg5OD
Pandas案例精进 | 自动分割汇总表写入到子表
(https://imghelloworld.osscnbeijing.aliyuncs.com/f5b70d401be96176067dfe8304143ead.png) 大家好! 欢迎来到「Pandas案例精进」专栏 今天分享的是一个之前的案例,里面涉及的方法可能有些过时,但处理思想仍有较高的参考价值。 Pandas案例需求
Pandas统计分析基础(基础篇,新手必看)
Pandas统计分析基础Pandas(Python Data Analysis Library)是基于NumPy的数据分析模块,它提供了大量标准数据模型和高效操作大型数据集所需的工具,可以说Pandas是使得Pyth
Python数据分析实战(2)使用Pandas进行数据分析
一、Pandas的使用 1.Pandas介绍Pandas的主要应用包括: 数据读取 数据集成 透视表 数据聚合与分组运算 分段统计 数据可视化Pandas的使用很灵活,最重要的两个数据类型是DataFrame和Series。对DataFrame最直观的理解是把它当成一个Excel表格文件,如下:索引是从0开始的,也
分享5个高效的pandas函数!
熟练掌握pandas函数都能帮我们在数据分析过程中节省时间。pandas还有很多让人舒适的用法,这次就为大家介绍5个pandas函数!本文来源towardsdatascience,作者Soner Yıldırım,由Python大数据分析编译。1\. explodeexplode用于将一行数据展开成多行。比如说dataframe中某一行其中一个元素包含多个同
总结了pandas提取数据的15种方法,统统只需1行代码,真香!
pandas是python数据分析必备工具,它有强大的数据清洗能力,往往能用非常少的代码实现较复杂的数据处理今天,鸟哥总结了pandas筛选数据的15个常用技巧,主要包括5个知识点:1.比较运算:、<、、、<、!2.范围运算:between(left,right)3.字符筛选:str.contains(pattern或字符串,naFalse)4.逻辑运算:&
14个pandas神操作,手把手教你写代码
「数仓宝贝库」,带你学数据!导读: Pandas是Python数据分析的利器,也是各种数据建模的标准工具。本文带大家入门Pandas,将介绍Python语言、Python数据生态和Pandas的一些基本功能。 在Python语言应用生态中,数据科学领域近年来十分热门。作为数据科学中一个非常基础的库,Pandas受到了广泛关注。Pandas可以将现实中来
14个pandas神操作,手把手教你写代码
「数仓宝贝库」,带你学数据!导读:Pandas是Python数据分析的利器,也是各种数据建模的标准工具。本文带大家入门Pandas,将介绍Python语言、Python数据生态和Pandas的一些基本功能。 在Python语言应用生态中,数据科学领域近年来十分热门。作为数据科学中一个非常基础的库,Pandas受到了广泛关注。Pandas可以将现实中来源
DataFrame与shp文件相互转换
因为习惯了使用pandas的DataFrame数据结构,同时pandas作为一个方便计算和表操作的数据结构具有十分显著的优势,甚至很多时候dataFrame可以作为excel在使用,而在用python操作gis的shp文件时很不顺畅,不太符合使用习惯,故写了一个DataFrame与arcgis地理文件相互转换的函数,这个处理起来可以节约大量的思考时间。 S
Panda处理文本和时序数据?首选向量化
导读 Pandas作为Python数据分析的首选框架,不仅功能强大接口丰富,而且执行效率也相比原生Python要快的多,这是得益于Pandas底层由C实现,同时其向量化执行方式也非常利于并行计算。更重要的是,这种向量化操作不仅适用于数值计算,对于文本和时间格式也有着良好的支持,而这就不得不从Pandas的属性接口谈起。 [**腾讯课堂 |
Python 数据分析包:pandas 基础
pandas 是基于 Numpy 构建的含有更高级数据结构和工具的数据分析包 类似于 Numpy 的核心是 ndarray,pandas 也是围绕着 Series 和 DataFrame 两个核心数据结构展开的 。Series 和 DataFrame 分别对应于一维的序列和二维的表结构。pandas 约定俗成的导入方法如下: lang:pytho
Python在网页上展示表格的简单方法
![](https://oscimg.oschina.net/oscnet/22596eed-3e2a-4708-acc1-bc8a22f8588d.jpg) * Python是当今最热门的编程语言 * Pandas是Python下最热门的数据处理与数据分析的库 * Flask是Python下方便简洁的Web开发框架
Python实现数据分析(四)
Pandas ------ **关键词: 数据分析库** **官网**:[https://pandas.pydata.org/](https://www.oschina.net/action/GoToLink?url=https%3A%2F%2Fpandas.pydata.org%2F) **介绍(选自-百度百科)**: pandas 是基于NumP
Python编码格式导致的csv读取错误
Python编码格式导致的csv读取错误(pandas.read\_csv) ====================================== 本文记录python小白我今天遇到的这两个问题(csv.reader和pandas.csv\_read): * pandas模块“CParserError: Error tokenizing da