逐行比较来自不同数据帧的值，python

Question

我有两个行数不同的数据框。

X&Y are coordinates in 2D position

DF1:

X,Y,C
1,1,12
2,2,22
3,3,33
4,4,45
5,5,43
6,6,56

DF2: X,Y开始接下来的两个广场X,Y结束广场

X,Y,X1,Y1
1,1,3,3
2,2,4,4

part of my code:

A = (abs(DF1['X']).values > abs(DF2['X']).values)
B = (abs(DF1['Y']).values > abs(DF2['Y']).values)
C = (abs(DF1['X']).values < abs(DF2['X1']).values)
D = (abs(DF1['Y']).values < abs(DF2['Y1']).values)
RESULT = A & B & C & D
result=DF1[RESULT]

另外：我只能使用 DF2 中的 2 列，并且在结果中将仅使用 A 和 B，这是唯一的示例。现在 X 和 Y 的 2 倍显示了值的范围。

当DF2只有一根线时，可以。但是我收到了不止一个： ValueError: operands could not be broadcast together with shapes 我知道我需要创建一个规则来比较所有行，但我不知道如何，我尝试过 diff，但没有好的结果。

输出：我需要删除这个错误并开始逐行使用。对于 DF2 中的每一行，我需要单独的结果：对于第 1 行：

X,Y,C
2,2,22

对于第 2 行

X,Y,C
3,3,33

并且在每次检查行后我需要将数据帧结果保存到一个文件中所以在这个例子中，在一个文件中会有``

2,2,22
3,3,33

谢谢指教

编辑：对于 Tbaki

def isInSquare(row, df2):
    df2=result_from_other_def1.df1
    df1=result_from_other_def2.df2

    if (row.X > df2.iloc[0].X) and (row.Y > df2.iloc[1].Y):
        if (row.X < df2.iloc[0].X1) and (row.Y < df2.iloc[1].Y2):
            if (row.X < df2.iloc[1].X) and (row.Y < df2.iloc[1].Y):
                if (row.X > df2.iloc[0].X) and (row.Y > df2.iloc[1].Y2):
                    return True
    return False

DF1.apply(lambda x: isInSquare(x,DF2),axis= 1)# if i will leave this line 在这里，tk inter 会自动运行它所以我认为这应该在定义内。我也不知道 DF1 和 DF2 中会有多少行。谢谢

Answer 1

检查此代码，检查 5x5 正方形。

DF1 = pd.DataFrame({"X":[1,2,3,4,5,6],"Y":[1,2,3,4,5,6],"C":[12,22,33,45,13,56]})
DF2 = pd.DataFrame({"X":[1,5],"Y":[1,1],"X1":[5,1],"Y1":[5,5]})

def isInSquare(row, df2):
    c1 =  (row.X > df2.iloc[0].X) and (row.Y > df2.iloc[0].Y)
    c1 = c1 and  (row.X < df2.iloc[0].X1) and (row.Y < df2.iloc[0].Y1)
    c1 = c1 and (row.X < df2.iloc[1].X) and (row.Y > df2.iloc[1].Y)               
    c1 = c1 and (row.X > df2.iloc[1].X1) and (row.Y < df2.iloc[1].Y1)
    return c1    

DF_NEW = DF1[DF1.apply(lambda x: isInSquare(x,DF2),axis= 1)]

输出

    C   X   Y
1   22  2   2
2   33  3   3
3   45  4   4

如果你想保持最大 C:

DF_NEW = DF_NEW.groupby(["X","Y"]).max().reset_index()

逐行比较来自不同数据帧的值，python

comparing values from different dataframes line by line, python

python

compare

dataframe

valueerror