CSV：通过 2 个不同 CSV 文件中的多个参数找到最佳匹配/最接近的值？

Question

我有一个代码可以在 2 个 CSV 文件之间搜索最接近的值。它读取一个名为“common_list”的 CSV 文件，其中包含一些如下所示的数据库：

common_name	common_Price	common_Offnet	common_Traffic
name1	1300	250	13000
name2	1800	350	18000

代码将这些 CSV 行放入一个列表中，然后创建 NumPy 数组。

common_list = pd.read_csv("common_list.csv")
common_list_offnet = common_list["common_Offnet"].to_list()
common_list_traffic = common_list["common_Traffic"].to_list()

array_offnet = np.array(common_list_offnet)
array_traffic = np.array(common_list_traffic)
array = np.column_stack((array_offnet,array_traffic))

我们将此 CSV 文件用作可用手机套餐的数据库（套餐名称、价格、网外通话和互联网流量）。

然后，代码读取另一个名为“By_ARPU”的 CSV 文件，其中包含 100k+ 行的用户以及他们如何使用手机套餐（他们花了多少钱（套餐价格）、多少网外通话和流量）。此 CSV 文件的标题如下所示：

User ID	ARPU_AVERAGE	Offnet Calls	Traffic (MB)

其中 ARPU_AVERAGE 对应于用户花费的金额（他们支付的价格）。该代码通过 2 个参数找到 CSV 文件之间最接近的值：Offnet calls 和 Traffic (MB)。

csv_data = pd.read_csv("By_ARPU.csv")

data = csv_data[['Offnet Calls', 'Traffic (MB)']]
data = data.to_numpy()

sol = []
for target in data:
    
    dist = np.sqrt((np.square(array[:,np.newaxis]-target).sum(axis=2))
    idx =  np.argmin(dist)
    sol.append(idx)

csv_data["Suggested Plan [SP]"] = common_list['common_name'][sol].values
csv_data["SP: Offnet Minutes"] = common_list['common_Offnet'][sol].values
csv_data["SP: Traffic"] = common_list['common_Traffic'][sol].values

csv_data.to_csv ('4.7 final.csv', index = False, header=True)

它从数据库中找到最接近的值，并显示名称和相应的网外呼叫、流量。例如，如果在“By_ARPU”文件中，Offnet calls 和 Traffic (MB) 的值分别为 250 和 13000，它将显示与“common_list”最接近的值的名称，即 name1。

我想为相同的搜索创建额外的代码，但有 3 个参数。您可以看到第一个数据库“common_list”有 3 个参数：common_Price、common_Offnet 和 common_Offnet。在前面的代码中，我们通过 2 个值找到了最接近的值。

在不同的 CSV 文件中，与其他列对应的是：common_list 中的“common_Offnet” - By_ARPU 中的“Offnet calls” AND common_list 中的“common_Traffic” - By_ARPU 中的“Traffic (MB)”。

我想要：

通过 3 个参数找到最接近的值：价格、离线通话和流量。 “By_ARPU”文件中与价格对应的列称为“AVERAGE_APRU”。

请帮助修改代码以通过按这 3 个参数而不是 2 个参数进行搜索来找到最接近的值。

Answer 1

输入数据：

>>> plans
  common_name  common_Price  common_Offnet  common_Traffic
0       plan1          1300            250           13000
1       plan2          1800            350           18000

>>> df
  User ID  ARPU_AVERAGE  Offnet Calls  Traffic (MB)
0   Louis          1300           250         13000  # plan1 for sure (check 1)
1    Paul          1800           350         18000  # plan2, same values (check 2)
2    Alex          1500           260         14000  # plan1, probably

创建匹配函数：

def rmse(user, plans):
    u = user[['ARPU_AVERAGE', 'Offnet Calls', 'Traffic (MB)']].values.astype(float)
    p =  plans[['common_Price', 'common_Offnet', 'common_Traffic']].values
    plan = np.sqrt(np.square(np.subtract(p, u)).mean(axis=1)).argmin()
    return plans.iloc[plan]['common_name']


df['Best Plan'] = df.apply(rmse, axis="columns", plans=plans)

输出：

>>> df
  User ID  ARPU_AVERAGE  Offnet Calls  Traffic (MB) Best Plan
0   Louis          1300           250         13000     name1
1    Paul          1800           350         18000     name2
2    Alex          1500           260         14000     name1

编辑：包含变量名的完整代码：

common_list = pd.read_csv("common_list.csv")
csv_data = pd.read_csv("By_ARPU.csv")

find_the_best_plan = lambda target: np.sqrt(np.square(np.subtract(array, target)).mean(axis=1)).argmin()

array = common_list[['common_Price', 'common_Offnet', 'common_Traffic']].values
data = csv_data[['ARPU_AVERAGE', 'Offnet Calls', 'Traffic (MB)']].values

sol = np.apply_along_axis(find_the_best_plan, 1, data)

csv_data["Suggested Plan [SP]"] = common_list['common_name'].iloc[sol].values
csv_data["SP: Offnet Minutes"] = common_list['common_Offnet'].iloc[sol].values
csv_data["SP: Traffic"] = common_list['common_Traffic'].iloc[sol].values