我的数据帧如下
time Weg Kraft Adj_Zug_Time eps time2
0 0.02 -0.02771 28.3 1.12 0 0
1 0.04 -0.0269 28.3 1.14 0.00018772 0.1
2 0.06 -0.02608 21.2 1.16 0.00015665 0.2
3 0.08 -0.02527 21.2 1.18 0.00018191 0.3
4 0.1 -0.02443 28.3 1.2 0.00018107 0.4
5 0.12 -0.02362 28.3 1.22 0.0001619 0.5
6 0.14 -0.02277 28.3 1.24 0.00015181 0.6
7 0.16 -0.02193 28.3 1.26 0.00013562 0.7
8 0.18 -0.0211 28.3 1.28 0.00015082 0.8
9 0.2 -0.02028 28.3 1.3 0.00016073 0.9
10 0.22 -0.01945 28.3 1.32 0.00012887 1
11 0.24 -0.01862 21.2 1.34 0.00017036 1.1
12 0.26 -0.01776 35.3 1.36 0.00013887 1.2
13 0.28 -0.01689 28.3 1.38 0.00013914 1.3
14 0.3 -0.01605 28.3 1.4 0.0001629 1.4
15 0.32 -0.01518 35.3 1.42 0.00017935 1.5
16 0.34 -0.01434 42.4 1.44 0.00022273 1.6
17 0.36 -0.01351 35.3 1.46 0.00021165 1.7
18 0.38 -0.01265 35.3 1.48 0.00025136 1.8
19 0.4 -0.0118 28.3 1.5 0.00027536 1.9
20 0.42 -0.01097 49.4 1.52 0.00029486 2
21 0.44 -0.01011 35.3 1.54 0.00031133 2.1
22 0.46 -0.00928 42.4 1.56 0.00033505 2.2
23 0.48 -0.00846 49.4 1.58 0.00036787 2.3
24 0.5 -0.00761 42.4 1.6 0.00037578 2.4
25 0.52 -0.0068 42.4 1.62 0.00040227 2.5
26 0.54 -0.00598 42.4 1.64 0.00043238 2.6
27 0.56 -0.00517 35.3 1.66 0.00044347 2.7
28 0.58 -0.00431 49.4 1.68 0.00044462 2.8
29 0.6 -0.00352 49.4 1.7 0.00048994 2.9
30 0.62 -0.00269 49.4 1.72 0.00050601 3
31 0.64 -0.00187 42.4 1.74 0.00053589 3.1
32 0.66 -0.00102 49.4 1.76 0.00054206 3.2
33 0.68 -0.00018 49.4 1.78 0.00057367 3.3
34 0.7 0.00065 49.4 1.8 0.0005971 3.4
35 0.72 0.00149 49.4 1.82 0.00060671 3.5
36 0.74 0.00228 56.5 1.84 0.00060161 3.6
我想创建一个名为Stress的新列，它将从Kraft列中获取值，其Adj_Zug_time值将与time2值匹配。
期望输出如下:
time Weg Kraft Adj_Zug_Time eps time2 Spannung_02
0 0.02 -0.02771 28.3 1.12 0 0 🔴
1 0.04 -0.0269 28.3 1.14 0.00018772 0.1 🔴
2 0.06 -0.02608 21.2 1.16 0.00015665 0.2 🔴
3 0.08 -0.02527 21.2 1.18 0.00018191 0.3 🔴
4 0.1 -0.02443 28.3 1.2 0.00018107 0.4 🔴
5 0.12 -0.02362 28.3 1.22 0.0001619 0.5 🔴
6 0.14 -0.02277 28.3 1.24 0.00015181 0.6 🔴
7 0.16 -0.02193 28.3 1.26 0.00013562 0.7 🔴
8 0.18 -0.0211 28.3 1.28 0.00015082 0.8 🔴
9 0.2 -0.02028 28.3 1.3 0.00016073 0.9 🔴
10 0.22 -0.01945 28.3 1.32 0.00012887 1 🔴
11 0.24 -0.01862 21.2 1.34 0.00017036 1.1 🔴
12 0.26 -0.01776 35.3 1.36 0.00013887 1.2 28.3
13 0.28 -0.01689 28.3 1.38 0.00013914 1.3 28.3
14 0.3 -0.01605 28.3 1.4 0.0001629 1.4 28.3
15 0.32 -0.01518 35.3 1.42 0.00017935 1.5 28.3
16 0.34 -0.01434 42.4 1.44 0.00022273 1.6 42.4
17 0.36 -0.01351 35.3 1.46 0.00021165 1.7 49.4
18 0.38 -0.01265 35.3 1.48 0.00025136 1.8 49.4
19 0.4 -0.0118 28.3 1.5 0.00027536 1.9 🔴
20 0.42 -0.01097 49.4 1.52 0.00029486 2 🔴
21 0.44 -0.01011 35.3 1.54 0.00031133 2.1 🔴
22 0.46 -0.00928 42.4 1.56 0.00033505 2.2 🔴
23 0.48 -0.00846 49.4 1.58 0.00036787 2.3 🔴
24 0.5 -0.00761 42.4 1.6 0.00037578 2.4 🔴
25 0.52 -0.0068 42.4 1.62 0.00040227 2.5 🔴
26 0.54 -0.00598 42.4 1.64 0.00043238 2.6 🔴
27 0.56 -0.00517 35.3 1.66 0.00044347 2.7 🔴
28 0.58 -0.00431 49.4 1.68 0.00044462 2.8 🔴
29 0.6 -0.00352 49.4 1.7 0.00048994 2.9 🔴
30 0.62 -0.00269 49.4 1.72 0.00050601 3 🔴
31 0.64 -0.00187 42.4 1.74 0.00053589 3.1 🔴
32 0.66 -0.00102 49.4 1.76 0.00054206 3.2 🔴
33 0.68 -0.00018 49.4 1.78 0.00057367 3.3 🔴
34 0.7 0.00065 49.4 1.8 0.0005971 3.4 🔴
35 0.72 0.00149 49.4 1.82 0.00060671 3.5 🔴
36 0.74 0.00228 56.5 1.84 0.00060161 3.6 🔴
在excel中我会使用index-match。
如何使用Pandas ?
看看是否有帮助;主要使用merge:
查找Adj_Zug_Time与time2匹配的行。注意how='right;这意味着右列决定了返回结果的方式。
result = pd.merge(
df.Kraft,
df.time2,
left_on=df.Adj_Zug_Time,
right_on=df.time2,
how="right",
).Kraft
df.assign(Stress=result)
time Weg Kraft Adj_Zug_Time eps time2 Stress
0 0.02 -0.02771 28.3 1.12 0.000000 0.0 NaN
1 0.04 -0.02690 28.3 1.14 0.000188 0.1 NaN
2 0.06 -0.02608 21.2 1.16 0.000157 0.2 NaN
3 0.08 -0.02527 21.2 1.18 0.000182 0.3 NaN
4 0.10 -0.02443 28.3 1.20 0.000181 0.4 NaN
5 0.12 -0.02362 28.3 1.22 0.000162 0.5 NaN
6 0.14 -0.02277 28.3 1.24 0.000152 0.6 NaN
7 0.16 -0.02193 28.3 1.26 0.000136 0.7 NaN
8 0.18 -0.02110 28.3 1.28 0.000151 0.8 NaN
9 0.20 -0.02028 28.3 1.30 0.000161 0.9 NaN
10 0.22 -0.01945 28.3 1.32 0.000129 1.0 NaN
11 0.24 -0.01862 21.2 1.34 0.000170 1.1 NaN
12 0.26 -0.01776 35.3 1.36 0.000139 1.2 28.3
13 0.28 -0.01689 28.3 1.38 0.000139 1.3 28.3
14 0.30 -0.01605 28.3 1.40 0.000163 1.4 28.3
15 0.32 -0.01518 35.3 1.42 0.000179 1.5 28.3
16 0.34 -0.01434 42.4 1.44 0.000223 1.6 42.4
17 0.36 -0.01351 35.3 1.46 0.000212 1.7 49.4
18 0.38 -0.01265 35.3 1.48 0.000251 1.8 49.4
19 0.40 -0.01180 28.3 1.50 0.000275 1.9 NaN
20 0.42 -0.01097 49.4 1.52 0.000295 2.0 NaN
21 0.44 -0.01011 35.3 1.54 0.000311 2.1 NaN
22 0.46 -0.00928 42.4 1.56 0.000335 2.2 NaN
23 0.48 -0.00846 49.4 1.58 0.000368 2.3 NaN
24 0.50 -0.00761 42.4 1.60 0.000376 2.4 NaN
25 0.52 -0.00680 42.4 1.62 0.000402 2.5 NaN
26 0.54 -0.00598 42.4 1.64 0.000432 2.6 NaN
27 0.56 -0.00517 35.3 1.66 0.000443 2.7 NaN
28 0.58 -0.00431 49.4 1.68 0.000445 2.8 NaN
29 0.60 -0.00352 49.4 1.70 0.000490 2.9 NaN
30 0.62 -0.00269 49.4 1.72 0.000506 3.0 NaN
31 0.64 -0.00187 42.4 1.74 0.000536 3.1 NaN
32 0.66 -0.00102 49.4 1.76 0.000542 3.2 NaN
33 0.68 -0.00018 49.4 1.78 0.000574 3.3 NaN
34 0.70 0.00065 49.4 1.80 0.000597 3.4 NaN
35 0.72 0.00149 49.4 1.82 0.000607 3.5 NaN
36 0.74 0.00228 56.5 1.84 0.000602 3.6 NaN