Python Pandas 如何在两DataFrame列值匹配时打印对应时间戳?
匹配需求的实现方法
可直接通过pandas原生方法实现字符串列的精确匹配,两种适配不同场景的方案如下:
方案1:isin筛选(仅需提取tstamps时使用)
逻辑最简洁,核心是通过哈希查找判断dataset1的pattern值是否存在于dataset2的SAX列的取值范围内,提取匹配行的tstamps:
# 提取dataset2的SAX列唯一值存为集合,大幅提升大表下的匹配效率 # 需将'sax'替换为实际的SAX列名(与表结构一致,如大写的'SAX') sax_pool = set(dataset2['sax']) # 筛选匹配行 matched_rows = dataset1[dataset1['pattern'].isin(sax_pool)] # 打印对应的tstamps值 print(matched_rows['tstamps'].tolist())
说明:直接将SAX列转集合做匹配,比直接传入原Series给isin的查找速度更快,适配dataset2数据量较大的场景。
方案2:内连接匹配(需联动取两个表的关联字段时使用)
如果除了输出tstamps,还需要同步取匹配到的dataset2的timestamp等字段,用merge内连接的方式可自动过滤不匹配的行:
matched_df = pd.merge( left=dataset1, left_on='pattern', right=dataset2, right_on='sax', # 替换为实际的SAX列名 how='inner' ) # 去重后打印tstamps,避免同一pattern在dataset2出现多次导致重复输出 print(matched_df['tstamps'].unique().tolist())
注意事项
- 列名一致性:表结构描述中dataset2的SAX列为大写,测试生成代码中为小写
sax,写匹配逻辑前先通过dataset2.columns核对实际列名,避免列不存在的报错。 - 脏数据适配:如果字符串列存在前后空格、大小写不统一的问题,可提前用
str.strip()、str.lower()方法做清洗,提升匹配准确率。 - 性能表现:针对当前的数据规模(dataset1 480行、dataset2 26万行),两种方案的执行耗时均在毫秒级,无性能压力。
内容的提问来源于stack exchange,提问作者udkr
相关产品推荐
相关产品推荐

