Pandas で範囲ベースの結合を効率的に実行するにはどうすればよいですか?

Pandas での範囲ベースの結合の最適化

データフレームを操作する場合、多くの場合、範囲条件に基づいて結合を実行する必要があります。 Pandas の一般的なアプローチは、ダミー列を作成し、それに結合して、不要な行をフィルターで除外することです。ただし、このソリューションは、特に大規模なデータセットの場合、計算コストが高くなる可能性があります。

幸いなことに、Pandas には範囲ベースの結合を実現する、より効率的で洗練された方法があります。

numpy ブロードキャストの使用

最も簡単な方法は、numpy ブロードキャストを利用することです。これには、Pandas データフレームを numpy 配列に変換し、ブール演算を使用して一致する行を識別することが含まれます。

<code class="python">import numpy as np

a = A.A_value.values
bh = B.B_high.values
bl = B.B_low.values

i, j = np.where((a[:, None] >= bl) & (a[:, None] <= bh))

pd.concat([
    A.loc[i, :].reset_index(drop=True),
    B.loc[j, :].reset_index(drop=True)
], axis=1)</code>

このアプローチは、コストのかかる行の反復を回避できるため、非常に効率的です。

左への拡張結合

このソリューションを左結合に拡張するには、データフレーム B のどの行にも一致しないデータフレーム A の残りの行を追加できます。

<code class="python">pd.concat([
    A.loc[i, :].reset_index(drop=True),
    B.loc[j, :].reset_index(drop=True)
], axis=1).append(
    A[~np.in1d(np.arange(len(A)), np.unique(i))],
    ignore_index=True, sort=False
)</code>

これにより、すべての行が一致することが保証されます。データフレーム A の行は、データフレーム B に一致する行がない場合でも結果に含まれます。

以上がPandas で範囲ベースの結合を効率的に実行するにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。