Python - 比较数据框中的值，如果它们相同，则将行附加到新的数据框中

Question

我使用 pandas iloc 和 .append() 尝试了几件事 但我的代码根本不起作用:(

我想要什么： 我想在一行中查找“dt”和“RT”的值 然后我想遍历数据帧的其余部分以检查是否满足以下条件： “dt”的值应在 +-0.1 到比较的“dt”值的范围内 和 “RT”也应该在 +-0.1 到比较的“RT”值的范围内

如果两个条件都满足： 将满足这些条件的这 2 行（所有行）复制到新的数据框

df1 = pd.DataFrame([[1, 760, 36.00, 14.1 , 15000], [2, 184, 36.05, 14.12, 11000], [3, 104, 36.95, 14.13, 12000], [4, 120, 34, 13, 16000]], columns=list(["ID","mz","dt","RT", "area"]))


a = [0,1,2,3]

for i in a:
    df2 = df2.append((df1.loc[(df1.loc[i, ["dt"]]) - 0.1) <= df1.loc[(df1.loc[i, ["dt"]]) <= (df1.loc[(df1.loc[i, ["dt"]]) + 0.1)) & (df1.loc[i, ["RT"]])])

Answer 1

我认为你用那条充满条件的链条使事情变得过于复杂。您可以在单个“.loc”中组合多个条件，只需在它们之间添加“&”即可。

这里我将向您展示如何在您自己的示例中应用它：

import pandas as pd

df1 = pd.DataFrame([[1, 760, 36.00, 14.1 , 15000], [2, 184, 36.05, 14.12, 11000], [3, 104, 36.95, 14.13, 12000], [4, 120, 34, 13, 16000]], columns=list(["ID","mz","dt","RT", "area"]))

df_list = []
                   
a = [0,1,2,3]

for i in a: 
    
    df_i = pd.DataFrame(data=None,columns=list(["ID","mz","dt","RT", "area"]))
    current_row_dt = df1.loc[i]['dt']
    current_row_RT = df1.loc[i]['RT']
    
    # Multiple conditions
    # ===================

    df_i = df1.loc[(df1['dt'] <= current_row_dt + 0.1) & (df1['dt'] <= current_row_dt + 0.1) & (df1['RT'] <= current_row_RT + 0.1) & (df1['RT'] <= current_row_RT + 0.1)]
    df_list.append(df_i)
    

您必须充分考虑括号，因为 python 为“&”分配了比

• https://docs.python.org/3/reference/expressions.html#operator-precedence

如果您有任何问题，请随时提出。

PD：请注意，在我的示例中，每次循环迭代获得的行都保存在数据帧数组中，而不是单个数据帧中。我这样做是为了让您可以更好地看到每次迭代中添加的内容，但您可能想要更改它。

Answer 2

非常感谢您的帮助 :) 它可以满足我的要求，但现在我尝试对其进行一些改进，顺便说一下，如果在数据框中找不到任何条目，则符合标准，则应删除初始行。

所以我的想法是，我希望我的数据被“压缩/清理”。

所以最终结果应该只包含数据，其中至少有 2 行或更多行在 RT 和 DT 方面相互匹配。

如果 a 行在 RT 和 DT 方面是“唯一的”，则它不应出现在最终结果中。

df1 = pd.DataFrame([[1, 760, 36.00, 14.1, 15000, 22], [3, 104, 35.95, 14.13, 12000, 22], [4, 120, 34, 13, 16000, 22 ], [2, 184, 36.05, 14.12, 11000, 22],[8, 8, 8, 8, 8, 22],[7, 7, 7, 7, 7, 22],[6, 6, 6 , 6, 6, 22]], columns=list(["ID","mz","DT","RT", "area", "random"]))

结果 = ([1, 760, 36.00, 14.1 , 15000], [2, 184, 36.05, 14.12, 11000], [3, 104, 36.95, 14.13, 12000])

下面的代码或多或少可以完成这项工作，但需要大量时间，因为两个 for 循环...

import pandas as pd

df1 =  pd.read_csv("test7.csv")
#df1 = pd.DataFrame([[1, 760, 36.00, 14.1 , 15000, 22], [3, 104, 35.95, 14.13, 12000, 22], [4, 120, 34, 13, 16000, 22], [2, 184, 36.05, 14.12, 11000, 22],[8, 8, 8, 8, 8, 22],[7, 7, 7, 7, 7, 22],[6, 6, 6, 6, 6, 22]], columns=list(["ID","mz","DT","RT", "area", "random"]))
df_list = pd.DataFrame()
final = pd.DataFrame()

a = len(df1)

df2 = df1

for i in range(a): 
    current_row_dt = df2.loc[i]['DT']
    current_row_RT = df2.loc[i]['RT']
   

    for b in range(a): 
        compared_row_dt = df2.loc[b]['DT']
        compared_row_RT = df2.loc[b]['RT']
    
         if compared_row_dt <= (current_row_dt + 0.1) and compared_row_dt >= (current_row_dt - 0.1): 
            if compared_row_RT <= (current_row_RT + 0.1) and compared_row_RT >= (current_row_RT - 0.1):
                df_i = df2.loc[b]
                df_list = df_list.append(df_i)

df_dup = df_list[df_list.duplicated(keep=False)]
df_final = df_dup.drop_duplicates()
print(df_final)
df_final.to_csv("test7_sorted.csv")