使用 pandas 进行两种不同的 csv 文件数据操作

Question

我有两个数据框 df1 和 df2

df1 有以下数据（N 行）

  Time(s)   sv-01 sv-02 sv-03  Val1  val2  val3 
   1339.4   1     4      12     1.6   0.6   1.3
   1340.4   1     12     4     -0.5  0.5   1.4
   1341.4   1     6      8      0.4   5     1.6
   1342.4   2     5     14      1.2   3.9    11
   ......           .....      ....   ...    ..

df2 具有比 df1 更多行的以下数据

Time(msec)   channel  svid    value-1   value-2 valu-03
1000          1       2       0          5       1
1000          2       5       1          4       2
1000          3       2       3          4       7
.....         .....................................
1339400      1        1       1.6        0.4     5.3
1339400      2        12      0.5       1.8      -4.4
1339400      3        4       -0.20     1.6      -7.9
1340400      1        1      0.3       0.3      1.5
1340400      2        6      2.3      -4.3      1.0
1340400      3        4      2.0       1.1      -0.45
1341400      1       1       2         2.1      0
1341400      2       8       3.4      -0.3       1
1341400      3       6       0         4.1      2.3
....       ....      ..      ...        ...      ...

我想要实现的是

1.first 将 Time(s) 列乘以 1000，使其与 df2 匹配 毫秒列。

2.In df1 sv 01,02 和 03 在独立列中，但那些 sv 是 出现在 svid 下的同一列中。

所以目标是 df1（更改后）的时间与时间匹配 df2 复制接下来的三个连续行，即复制所有匹配的 那一瞬间的线条。

基本上我想在 df2 时间列中迭代 df1 的时间 如果匹配，则复制下三行并复制到新的 df。

我见过使用 pandas 合并功能的示例，但在我的情况下，两者都有 不同的标题。

谢谢。

Answer 1

我认为你需要双 boolean indexing - 第一个 df2 和 isin，用于多个 mul：

然后按cumcount计算每组的值并过滤前3个：

df = df2[df2['Time(msec)'].isin(df1['Time(s)'].mul(1000))]
df = df[df.groupby('Time(msec)').cumcount() < 3]
print (df)
    Time(msec)  channel  svid  value-1  value-2  valu-03
3      1339400        1     1      1.6      0.4     5.30
4      1339400        2    12      0.5      1.8    -4.40
5      1339400        3     4     -0.2      1.6    -7.90
6      1340400        1     1      0.3      0.3     1.50
7      1340400        2     6      2.3     -4.3     1.00
8      1340400        3     4      2.0      1.1    -0.45
9      1341400        1     1      2.0      2.1     0.00
10     1341400        2     8      3.4     -0.3     1.00
11     1341400        3     6      0.0      4.1     2.30

详情：

print (df.groupby('Time(msec)').cumcount())
3     0
4     1
5     2
6     0
7     1
8     2
9     0
10    1
11    2
dtype: int64