大家好，我是小五🐶
欢迎来到「Pandas案例精进」专栏，点击蓝字查看全部
前文回顾：Pandas案例精进 | 结构化数据非等值范围查找 ①
本文是承接上一篇的实战案例，没看过的小伙伴建议先点击👆上方链接查看前文
Pandas案例需求
需求如下：
该问题最核心的解题思路是按照地区代码先将两张表关联起来，然后按照重量是否在指定的区间筛选出符合条件的记录。不同的解法实际区别也是，如何进行表关联，如何进行关联后的过滤。
上文的简化写法
简化后：
1import pandas as pd 2 3product = pd.read_excel('sample.xlsx', sheet_name='A') 4cost = pd.read_excel('sample.xlsx', sheet_name='B') 5 6fi_cost = cost.set_index(['地区代码','地区缩写']).stack().reset_index() 7result = pd.merge(product, fi_cost, on='地区代码', how='left') 8result.columns = ['产品ID', '地区代码', '重量', '地区缩写', '重量区间', '价格'] 9result[['最低区间', '最高区间']] = result['重量区间'].str.split('~', expand=True).astype(float) 10result.query("最低区间<=`重量`<=最高区间") 11
顺序查找匹配
考虑到直接merge会产生笛卡尔积，多消耗N倍的内存，所以下面采用筛选连接法，执行耗时比merge连接稍微长点，但减少了内存消耗。
首先读取数据：
1import pandas as pd 2from IPython.core.interactiveshell import InteractiveShell 3InteractiveShell.ast_node_interactivity = 'all' 4 5product = pd.read_excel('sample.xlsx', sheet_name='A') 6cost = pd.read_excel('sample.xlsx', sheet_name='B') 7
预览数据：
1product.head() 2cost.head() 3
下面我们将价格表由"宽格式"旋转为"长格式"方便匹配：
1fi_cost = cost.melt(id_vars=["地区代码", "地区缩写"], var_name="重量区间", value_name='价格') 2fi_cost 3
观察价格区间00.5, 0.5011, 1.012, 2.013, 3.014, 4.015, 5.017, 7.0110, 10.0115, 15.01100000我们完全可以只取前面的数字或只取后面的数字，理解为一个前闭后开或前开后闭的区间，我取重量区间的最大值来表示区间：
1fi_cost.重量区间 = fi_cost.重量区间.str.split("~").str[1].astype("float") 2fi_cost.sort_values(["地区代码", "重量区间"], inplace=True, ignore_index=True) 3fi_cost.head(10) 4
测试对第一个产品，取出对应的地区价格表：
1fi_cost_g = fi_cost.groupby("地区代码") 2for product_id, area_id, weight in product.values: 3 print(product_id, area_id, weight) 4 cost_table = fi_cost_g.get_group(area_id) 5 display(cost_table) 6 break 7
下面我们继续测试根据重量筛选出对应的价格：
1fi_cost_g = fi_cost.groupby("地区代码")[["地区缩写", "重量区间", "价格"]] 2for product_id, area_id, weight in product.values: 3 print(product_id, area_id, weight) 4 cost_table = fi_cost_g.get_group(area_id) 5 display(cost_table) 6 for area, weight_cost, price in cost_table.values: 7 if weight <= weight_cost: 8 print(area, price) 9 break 10 break 11
可以看到已经顺利的匹配出对应的价格是20.05。
于是完善最终代码为：
1result = [] 2fi_cost_g = fi_cost.groupby("地区代码")[["地区缩写", "重量区间", "价格"]] 3for product_id, area_id, weight in product.values: 4 cost_table = fi_cost_g.get_group(area_id) 5 for area, weight_cost, price in cost_table.values: 6 if weight <= weight_cost: 7 break 8 result.append((product_id, area_id, area, weight, price)) 9result = pd.DataFrame(result, columns=["产品ID", "地区代码", "地区缩写", "重量（kg）", "价格"]) 10result 11
成功匹配出每个产品对应的地区简写和价格。
顺序查找匹配的完整代码为：
1import pandas as pd 2 3product = pd.read_excel('sample.xlsx', sheet_name='A') 4cost = pd.read_excel('sample.xlsx', sheet_name='B') 5 6fi_cost = cost.melt(id_vars=["地区代码", "地区缩写"], var_name="重量区间", value_name='价格') 7fi_cost.重量区间 = fi_cost.重量区间.str.split("~").str[1].astype("float") 8fi_cost.sort_values(["地区代码", "重量区间"], inplace=True, ignore_index=True) 9result = [] 10fi_cost_g = fi_cost.groupby("地区代码")[["地区缩写", "重量区间", "价格"]] 11for product_id, area_id, weight in product.values: 12 cost_table = fi_cost_g.get_group(area_id) 13 for area, weight_cost, price in cost_table.values: 14 if weight <= weight_cost: 15 break 16 result.append((product_id, area_id, area, weight, price)) 17result = pd.DataFrame(result, columns=["产品ID", "地区代码", "地区缩写", "重量（kg）", "价格"]) 18result 19
小结
上述方法就已经解决了问题，考虑到上述区间查找其实是一个顺序查找的问题，所以我们还可以使用二分查找进一步优化减少查找次数！
原始需求和数据见👉Pandas案例精进 | 结构化数据非等值范围查找 ①
本文转转自微信公众号凹凸数据原创https://mp.weixin.qq.com/s/ZBJX60BW8fYVYTijpUUjdA，可扫描二维码进行关注：
如有侵权，请联系删除。