在python中合并具有不同时间频率的系列/数据帧

Posted 2023-03-11

【中文标题】在python中合并具有不同时间频率的系列/数据帧

【英文标题】：merge series/dataframe with different time frequencies in python

【发布时间】：2018-06-23 12:22:24

【问题描述】：

我正在尝试合并两个系列，一个以小时为单位，另一个以分钟为单位（并将索引保​​持在分钟级别）：

Series A:

time
2017-09-01 01:00:00   0.5
2017-09-01 02:00:00   0.4
Freq: H, Name: A, dtype: float64

B 系列在几分钟内：

Series B

time
2017-09-01 00:00:00         NaN
2017-09-01 00:03:00   -0.000350
2017-09-01 00:06:00    0.000401
Name: B, dtype: float64

我想按小时合并这两个系列。所需的合并数据框将是：

time
2017-09-01 00:00:00         NaN       0.5
2017-09-01 00:03:00   -0.000350       0.5
2017-09-01 00:06:00    0.000401       0.5
2017-09-01 01:00:00    0.002301       0.4
2017-09-01 01:03:00    0.005601       0.4

在 SO 上搜索后，我发现一种方法是在 B 系列中创建一个“小时”列，然后使用 A 的索引和 B 的“小时”列将 A 连接到 B：（参考：Merging/combining two dataframes with different frequency time series indexes in Pandas?）

B = B.to_frame()
B['hour'] = B.index.to_period('H')
merged = B.join(A, on = 'hour', how = 'left')

但我收到错误消息：

TypeError: Argument 'values' has incorrect type (expected numpy.ndarray, got Index)

有谁知道如何解决这个问题？或者也许有更好的方式加入这两个系列？非常感谢！

【问题讨论】：

你为什么要将系列 A 中的小时 01 与系列 B 中的小时 00 匹配？

因为这些是“自上一行以来的回报”。即 0.5 是 00:00 到 01:00 之间的返回。这可以使用 shift 命令进行调整，所以我的主要问题仍然是频率差异。 :(

我已经更新了我的答案 - 请检查

谢谢！所以诀窍是重新采样和填充！

【参考方案1】：

演示：

In [280]: A
Out[280]:
time
2017-09-01 01:00:00    0.5
2017-09-01 02:00:00    0.4
Name: val, dtype: float64

In [281]: B
Out[281]:
time
2017-09-01 00:00:00         NaN
2017-09-01 00:03:00   -0.000350
2017-09-01 00:06:00    0.000401
Name: val, dtype: float64

In [282]: B.to_frame('B').join(A.to_frame('A').set_index(A.index.shift(-1, freq='H')).resample('3T').ffill())
Out[282]:
                            B    A
time
2017-09-01 00:00:00       NaN  0.5
2017-09-01 00:03:00 -0.000350  0.5
2017-09-01 00:06:00  0.000401  0.5

【讨论】：

对不起，我应该更清楚，但我想将合并的数据帧保持在分钟级别，即 B 的索引。这就是我使用的原因（how = 'left'）。我已编辑问题以使其更具体。

@ian_chan，你能在你的问题中发布你想要的（输出）数据集吗？

确定。刚刚进行了更改。很抱歉给您带来不便