2

我有两个不同行数的大 csv 文件，我正在导入如下：

tdata = pd.read_csv(tfilepath, sep=',', parse_dates=['date_1'])
print(tdata.iloc[:, [0,3]])

       TBA    date_1
0       0   2010-01-04
1       9   2010-01-05
2       0   2010-01-06    
3       8   2010-01-07
4       0   2010-01-08
5       0   2010-01-09

pdata = pd.read_csv(pfilepath, sep=',', parse_dates=['date_2'])
print(pdata.iloc[:, [0,3]])

       TBA    date_2
0       3   2011-01-04
1       5   2010-01-09
2       0   2012-02-03    
3       9   2010-03-17
4       1   2010-11-08
5       2   2010-01-05

现在我想用日期匹配的第二个数据框中的相应 TBA 替换第一个数据框中的 TBA。默认值为 0。所以我遍历行如下：

 for i, row1 in tdata.iterrows():
     for j, row2 in pdata.iterrows():
         if row1['date_1'] == row2['date_2']:
             tdata.loc[i, 'TBA'] = row2['TBA']
             break
         else:
             tdata.loc[i, 'TBA'] = 0

问题是这需要很长时间（大约 11 分钟）。我想将一个 csv 与 160 个其他 csv 进行比较，并进一步运行一些基于树的模型。我是一个新手，几乎没有编码背景！如果这是一种“肮脏”的方式，请原谅我。任何帮助，将不胜感激。谢谢！

4

1 回答 1

3

如果您调用set_index它pdata，date_2那么您可以将其作为参数传递给map并在列上调用它tdata['date_1']，然后fillna：

In [51]:    
tdata['TBA'] = tdata['date_1'].map(pdata.set_index('date_2')['TBA'])
tdata.fillna(0, inplace=True)
tdata

Out[51]:
   TBA      date_1
0    0  2010-01-04
1    2  2010-01-05
2    0  2010-01-06
3    0  2010-01-07
4    0  2010-01-08
5    5  2010-01-09
于 2015-06-15T14:13:57.283 回答