Python Pandas VLookup с несколькими эквивалентами столбцов

Question

У меня есть некоторые результаты моделирования, которые я хочу соединить с некоторой статической информацией, которую я держу для их конкретных координат.

Я использую панды и key dataframe выглядит следующим образом:

Orig_lat Orig_lng Dest_lat Dest_lng Site Lane_1 
51.4410925 -0.0913334 51.4431736 -0.0681643 6 E 
51.4431736 -0.0681643 51.4410925 -0.0913334 6 W 
51.6300955 -0.0781079 51.6489284 -0.0602954 7 N 
51.648917 -0.0600521 51.6299841 -0.0779832 7 S 
51.4648078 -0.301316 51.4573656 -0.3219232 9 S 
51.4573656 -0.3219232 51.4649063 -0.3013827 9 N 
51.412392 0.0743042 51.4088694 0.0800096 11 S 
51.4088694 0.0800096 51.412392 0.0743042 11 N 
51.4728599 -0.0235216 51.4804927 -0.0231821 14 N 

Результаты dataframe выглядит следующим образом:

distance duration duration_in_traffic Orig_lat Orig_lng Dest_lat Dest_lng  
1456736402 1670 186 337 51.4431736 -0.0681643 51.4410925 -0.0913334 
1456736416 508 73 73 51.4380877 -0.2131928 51.4417083 -0.2168077 
1456736416 508 71 71 51.4417083 -0.2168077 51.4380877 -0.2131928 
1456736417 578 83 82 51.5229177 -0.4402988 51.5180086 -0.4391647 
1456736417 578 79 79 51.5180086 -0.4391647 51.5229177 -0.4402988 
1456736417 894 148 155 51.489123 -0.3015009 51.4886771 -0.2894982 
1456736418 894 170 163 51.4886771 -0.2894982 51.489123 -0.3015009 
1456736418 410 88 88 51.5294107 0.107865 51.5296292 0.1019929 
1456736418 410 91 90 51.5296292 0.1019929 51.5294107 0.107865 
1456736419 821 90 102 51.6043935 -0.340337 51.6038698 -0.3521945 
1456736419 821 96 121 51.6038698 -0.3521945 51.6043935 -0.340337 
1456736419 263 48 47 51.3718957 -0.0471616 51.3741868 -0.0480754 
1456736420 263 48 48 51.3741868 -0.0480754 51.3718957 -0.0471616 
1456736421 426 59 58 51.5122705 -0.2177689 51.5086821 -0.2156843 
1456736421 426 55 70 51.5086821 -0.2156843 51.5122705 -0.2177689 
1456736421 471 57 57 51.3782746 -0.1864154 51.3800551 -0.1916053 

Я хочу урожай Site и Lane_1 столбцов из ключа и присоедините их к информационному кадру results, используя Orig_lat, Orig_lng, Dest_lat, Dest_lng, давая:

distance duration duration_in_traffic Orig_lat Orig_lng Dest_lat Dest_lng, Site, Lane_1  
    1456736402 1670 186 337 51.4431736 -0.0681643 51.4410925 -0.0913334 
    1456736416 508 73 73 51.4380877 -0.2131928 51.4417083 -0.2168077 41 N 
    1456736416 508 71 71 51.4417083 -0.2168077 51.4380877 -0.2131928 41 S 
    1456736417 578 83 82 51.5229177 -0.4402988 51.5180086 -0.4391647 42 S 
    1456736417 578 79 79 51.5180086 -0.4391647 51.5229177 -0.4402988 42 N 
    1456736417 894 148 155 51.489123 -0.3015009 51.4886771 -0.2894982 43 E 
    1456736418 894 170 163 51.4886771 -0.2894982 51.489123 -0.3015009 43 W 
    1456736418 410 88 88 51.5294107 0.107865 51.5296292 0.1019929 45 W 
    1456736418 410 91 90 51.5296292 0.1019929 51.5294107 0.107865 45 E 
    1456736419 821 90 102 51.6043935 -0.340337 51.6038698 -0.3521945 46 W 
    1456736419 821 96 121 51.6038698 -0.3521945 51.6043935 -0.340337 46 E 
    1456736419 263 48 47 51.3718957 -0.0471616 51.3741868 -0.0480754 48 N 
    1456736420 263 48 48 51.3741868 -0.0480754 51.3718957 -0.0471616 48 S 
    1456736421 426 59 58 51.5122705 -0.2177689 51.5086821 -0.2156843 54 S 
    1456736421 426 55 70 51.5086821 -0.2156843 51.5122705 -0.2177689 54 N 
    1456736421 471 57 57 51.3782746 -0.1864154 51.3800551 -0.1916053 58 W 

Как использовать слияние для достижения этого?

Answer 1

IIUC использовать merge на колонках Orig_lat, Orig_lng, Dest_lat, Dest_lng:

print pd.merge(dataframe, key, on=['Orig_lat','Orig_lng','Dest_lat','Dest_lng']) 
    distance duration duration_in_traffic Orig_lat Orig_lng Dest_lat \ 
0  1670  186     337 51.443174 -0.068164 51.441092 

    Dest_lng Site Lane_1 
0 -0.091333  6  W