請幫我解決這個問題，我整天都在努力大聲笑，Python或R的解決方案都很好！請幫助我真的卡住了！！！
我有兩個資料框 - df1 有 44 行，df2 有 100 行，它們都有以下列： ID、狀態（0,1）、年齡、性別、種族、種族、身高、體重
對于 df1 中的每一行，我需要在 df2中找到一個年齡匹配項：
- 它可以是精確的年齡匹配，但應該使用的標準是 - df2[age]-5 <= df1[age]<= df2[age] 5
- 我需要一個串列/字典來存盤 df1 的年齡匹配項及其 ID
- 然后我需要從 df2 中隨機選擇 2 個 ID 作為 df1 年齡的最終匹配
- 我還需要確保 2 個 df2 匹配項與 df1 具有相同的性別和種族
我嘗試過 R 和 Python，都停留在嵌套回圈部分。我不確定如何遍歷 df1 和 df2 的每條記錄，將 df1 age 與 df2 age-5 和 df2 age 5 進行比較，并存盤匹配項
以下是 df1 和 df2 的示例資料格式： | 身份證 | 性別 | 年齡 | 種族 | | -------- | -------------- |--------|--------| | 284336 | 女| 42.8 | 2 | | 294123 | 男| 48.5 | 1 |
這是我在 R 中嘗試過的：
id_match <- NULL
for (i in 1:nrow(gwi_case)){
age <- gwi_case$age[i]
gender <- gwi_case$gender[i]
ethnicity <- gwi_case$hispanic_non[i]
race <- gwi_case$race[i]
x <- which(gwi_control$gender==gender & gwi_control$age>=age-5 & gwi_control$age<=age 5 & gwi_control$hispanic_non==ethnicity & gwi_control$race==race)
y <- sample(x, min(2, length(x)))
id_match <- c(id_match, y)
}
id_match <- id_match[!duplicated(id_match)]
length(id_match)
uj5u.com熱心網友回復：
問題是這樣問的：
- 對于 中的每一行
df1，找到一個年齡匹配，df2使得df2[age] - 5 <= df1[age] <= df2[age] 5 - 創建一個串列/字典來保存 df1 的年齡匹配和 ID
- 從 df2 中隨機選擇 2 個 ID 作為 df1 年齡的最終匹配
這是一些 Python 代碼：
- 使用條件來填充串列串列，
ageMatches其中包含與每個唯一年齡df2匹配的唯一年齡串列df1 - 為每個年齡呼叫
DataFrame.query()以填充與每個唯一年齡匹配的年齡的 ID 串列df2df1idMatchesdf2df1 age1ToID2使用唯一的df1年齡鍵和 2 個串列（如果可用數字 < 2，則更少）隨機選擇df2的匹配年齡的 ID填充- 添加一列以包含對應于每行年齡
df1的一對選定ID（即 中的值）df2age1ToID2
import pandas as pd
import numpy as np
df1 = pd.DataFrame({'ID':list(range(101,145)), 'Age':[v % 11 21 for v in range(44)], 'Height':[67]*44})
df2 = pd.DataFrame({'ID':list(range(1,101)), 'Age':[v % 10 14 for v in range(50)] [v % 20 25 for v in range(0,100,2)], 'Height':[67]*100})
ages1 = np.sort(df1['Age'].unique())
ages2 = np.sort(df2['Age'].unique())
ageMatches = [[] for _ in ages1]
j1, j2 = 0, 0
for i, age1 in enumerate(ages1):
while j1 < len(ages2) and ages2[j1] < age1 - 5:
j1 = 1
if j2 <= j1:
j2 = j1 1
while j2 < len(ages2) and ages2[j2] <= age1 5:
j2 = 1
ageMatches[i] = list(ages2[j1:j2])
idMatches = [df2.query('Age in @m')['ID'].to_list() for i, m in enumerate(ageMatches)]
# select random pair of df2 IDs for each unique df1 age and put them into a new df1 column
from random import sample
age1ToID2 = {ages1[i]:m if len(m) < 2 else sample(m, 2) for i, m in enumerate(idMatches)}
df1['df2_matches'] = df1['Age'].apply(lambda x: age1ToID2[x])
print(df1)
輸出：
ID Age Height df2_matches
0 101 21 67 [24, 30]
1 102 22 67 [50, 72]
2 103 23 67 [10, 37]
3 104 24 67 [63, 83]
4 105 25 67 [83, 49]
5 106 26 67 [20, 52]
6 107 27 67 [49, 84]
7 108 28 67 [54, 55]
8 109 29 67 [91, 55]
9 110 30 67 [65, 51]
10 111 31 67 [75, 72]
11 112 21 67 [24, 30]
...
42 143 30 67 [65, 51]
43 144 31 67 [75, 72]
這有望提供 OP 要求的結果和中間集合，或者足夠接近以獲得所需結果的東西。
或者，要使 中的每一行的隨機選擇不同df1，我們可以這樣做：
# select random pair of df2 IDs for each df1 row and put them into a new df1 column
from random import sample
age1ToID2 = {ages1[i]:m for i, m in enumerate(idMatches)}
def foo(x):
m = age1ToID2[x]
return m if len(m) < 2 else sample(m, 2)
df1['df2_matches'] = df1['Age'].apply(foo)
print(df1)
輸出：
ID Age Height df2_matches
0 101 21 67 [71, 38]
1 102 22 67 [71, 5]
2 103 23 67 [9, 38]
3 104 24 67 [49, 61]
4 105 25 67 [27, 93]
5 106 26 67 [40, 20]
6 107 27 67 [9, 19]
7 108 28 67 [53, 72]
8 109 29 67 [82, 53]
9 110 30 67 [74, 62]
10 111 31 67 [52, 62]
11 112 21 67 [71, 39]
...
42 143 30 67 [96, 66]
43 144 31 67 [63, 83]
uj5u.com熱心網友回復：
不確定我是否完全理解要求，但是......在 python 中，您可以使用 apply 到資料框和 lambda 函式來執行一些時髦的事情
df1['age_matched_ids'] = df1.apply(lambda x: list(df2.loc[df2['Age'] >= x['Age'] - 5 & df2['Age'] <= x['Age'] 5, 'ID']), axis=1)
這將在“age_matched_ids”列中存盤來自 df2 且介于 Age /- 5 之間的 ID 串列。您可以從此處執行 #2 和 #3。
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/466672.html