如何根据 Python 中的索引时间序列条件将新数据集附加到现有数据集
How to append a new dataset to existing dataset based on index timeseries condition in Python
我真的是 python 的新手。请任何人帮助我解决如何根据索引时间序列条件将新数据集附加到现有数据集的问题。
我需要根据公差 <5min
的时间将 df2 中的每一行添加到 df1
这是我的数据示例
df1
Time
A
01/9/2021 06:50
1
01/9/2021 06:55
2
01/9/2021 07:00
3
01/9/2021 07:05
6
01/9/2021 07:10
3
01/9/2021 07:15
2
01/9/2021 07:20
1
01/9/2021 07:25
2
df2
Time
B
01/9/2021 06:51
0.6
01/9/2021 06:55
0.2
01/9/2021 07:12
0.3
01/9/2021 07:16
0.6
预期结果
它将 df2 中与时间与公差（比如说 4 分钟）相匹配的每一行添加到 df1 的行中。
df3
Time
A
B
01/9/2021 06:50
1
0.6
01/9/2021 06:55
2
0.2
01/9/2021 07:00
3
NAN
01/9/2021 07:05
6
NAN
01/9/2021 07:10
3
0.3
01/9/2021 07:15
2
0.6
01/9/2021 07:20
1
NAN
01/9/2021 07:25
2
NAN
非常感谢您的帮助。谢谢
使用 pandas.to_datetime 和 pd.Series.dt.round 的一种方法：
df["Time"] = pd.to_datetime(df["Time"])
df2["Time"] = pd.to_datetime(df2["Time"]).dt.round("5min")
new_df = df.merge(df2, on="Time", how="left")
print(new_df)
输出：
Time A B
0 2021-01-09 06:50:00 1 0.6
1 2021-01-09 06:55:00 2 0.2
2 2021-01-09 07:00:00 3 NaN
3 2021-01-09 07:05:00 6 NaN
4 2021-01-09 07:10:00 3 0.3
5 2021-01-09 07:15:00 2 0.6
6 2021-01-09 07:20:00 1 NaN
7 2021-01-09 07:25:00 2 NaN
我真的是 python 的新手。请任何人帮助我解决如何根据索引时间序列条件将新数据集附加到现有数据集的问题。 我需要根据公差 <5min
的时间将 df2 中的每一行添加到 df1这是我的数据示例
df1
| Time | A |
|---|---|
| 01/9/2021 06:50 | 1 |
| 01/9/2021 06:55 | 2 |
| 01/9/2021 07:00 | 3 |
| 01/9/2021 07:05 | 6 |
| 01/9/2021 07:10 | 3 |
| 01/9/2021 07:15 | 2 |
| 01/9/2021 07:20 | 1 |
| 01/9/2021 07:25 | 2 |
df2
| Time | B |
|---|---|
| 01/9/2021 06:51 | 0.6 |
| 01/9/2021 06:55 | 0.2 |
| 01/9/2021 07:12 | 0.3 |
| 01/9/2021 07:16 | 0.6 |
预期结果 它将 df2 中与时间与公差（比如说 4 分钟）相匹配的每一行添加到 df1 的行中。
df3
| Time | A | B |
|---|---|---|
| 01/9/2021 06:50 | 1 | 0.6 |
| 01/9/2021 06:55 | 2 | 0.2 |
| 01/9/2021 07:00 | 3 | NAN |
| 01/9/2021 07:05 | 6 | NAN |
| 01/9/2021 07:10 | 3 | 0.3 |
| 01/9/2021 07:15 | 2 | 0.6 |
| 01/9/2021 07:20 | 1 | NAN |
| 01/9/2021 07:25 | 2 | NAN |
非常感谢您的帮助。谢谢
使用 pandas.to_datetime 和 pd.Series.dt.round 的一种方法：
df["Time"] = pd.to_datetime(df["Time"])
df2["Time"] = pd.to_datetime(df2["Time"]).dt.round("5min")
new_df = df.merge(df2, on="Time", how="left")
print(new_df)
输出：
Time A B
0 2021-01-09 06:50:00 1 0.6
1 2021-01-09 06:55:00 2 0.2
2 2021-01-09 07:00:00 3 NaN
3 2021-01-09 07:05:00 6 NaN
4 2021-01-09 07:10:00 3 0.3
5 2021-01-09 07:15:00 2 0.6
6 2021-01-09 07:20:00 1 NaN
7 2021-01-09 07:25:00 2 NaN