在 python pandas 中合并具有不同时间戳的索引上的 2 个数据帧
Merge 2 dataframe on index with different timestamp in python pandas
我有 2 个具有不同时间戳和不同长度的数据帧。
第一个数据框,df
,有 1054 行,看起来像这样:
第二个数据框,df_temp
,有 2629 行,看起来像这样:
我不知道从哪里开始。时间戳几乎接近,我知道如何合并具有相似索引但不是这个索引的数据帧。任何帮助,将不胜感激。谢谢!
df_merged=pd.concat([df,df_temp]).sort_index()
我以前也试过这个。当我将这些加在一起时,索引有点排序,但它为我提供了数据缺失位置的 NaN 值。
你能试试这个吗?
pd.concat([df,df_temp]).sort_index()
或
pd.concat([df,df_temp.rename(columns=dict(zip(df_temp.columns,df.columns)))]).sort_index()
我有 2 个具有不同时间戳和不同长度的数据帧。
第一个数据框,df
,有 1054 行,看起来像这样:
第二个数据框,df_temp
,有 2629 行,看起来像这样:
我不知道从哪里开始。时间戳几乎接近,我知道如何合并具有相似索引但不是这个索引的数据帧。任何帮助,将不胜感激。谢谢!
df_merged=pd.concat([df,df_temp]).sort_index()
我以前也试过这个。当我将这些加在一起时,索引有点排序,但它为我提供了数据缺失位置的 NaN 值。
你能试试这个吗?
pd.concat([df,df_temp]).sort_index()
或
pd.concat([df,df_temp.rename(columns=dict(zip(df_temp.columns,df.columns)))]).sort_index()