Question

df1
            A       B
0        0.00  514.51
1        0.75  514.51
2        1.10  514.42
3        3.52  514.41
4        5.59  514.43

df2
            A       B
0        2.00  520.00
1        3.00  521.00
2        4.00  524.00
3        5.00  529.00
4        6.00  531.00
5        7.00  532.00

我需要创建一个新的df3，包含下一个条件：

来自df1：所有数据。
来自df2：来自上一个df1 A值的数据（我的意思是，上次df1 A值为5.59;首先df2 { {1}}我希望在新A中包含的值为6.00）

输出df3应为：

df3

我曾尝试使用A B 0 0.00 514.51 1 0.75 514.51 2 1.10 514.42 3 3.52 514.41 4 5.59 514.43 5 6.00 531.00 6 7.00 532.00，concat和merge。没有成功。

Answer 1

首先在df2上计算布尔掩码：

mask = df2['A'] >= df1['A'].iloc[-1]  # or df1['A'].max(), as required

然后使用pd.concat：

df3 = pd.concat([df1, df2[mask]], ignore_index=True)

Answer 2

使用append将idxmax创建的第二个df2用于第一个True值并按loc过滤：

df = df1.append(df2.loc[(df2['A'] >= df1['A'].values[-1]).idxmax():])
print (df)
      A       B
0  0.00  514.51
1  0.75  514.51
2  1.10  514.42
3  3.52  514.41
4  5.59  514.43
4  6.00  531.00
5  7.00  532.00

<强>详细：

print (df2.loc[(df2['A'] >= df1['A'].values[-1]).idxmax():])
     A      B
4  6.0  531.0
5  7.0  532.0

Answer 3

试试这个，

pd.concat([df1,df2[df2['A']>df1['A'].max()]])

输出：

      A       B
0  0.00  514.51
1  0.75  514.51
2  1.10  514.42
3  3.52  514.41
4  5.59  514.43
4  6.00  531.00
5  7.00  532.00

从条件行加入两个数据帧

3 个答案: