Pandas：基于多列索引连接两个时间序列数据[重复]

Posted 2023-03-12

【中文标题】Pandas：基于多列索引连接两个时间序列数据[重复]

【英文标题】：Pandas: join two time series data based on multicolumn index [duplicate]

【发布时间】：2018-08-28 11:45:53

【问题描述】：

我有两个数据框。第一个df_1 是具有以下格式的数据状态：

session_id | user_id | timestamp | state1 | state2

第二个是另一个数据框df_2，格式为：

session_id | user_id | timestamp | state3 | state4

我想将它们加入具有以下结构的最终数据框：

session_id | user_id | timestamp | state1 | state2 | state3 | state4

我想保留两个框架中的行，而不仅仅是重叠。像这样的：

 session_id  user_id  timestamp  state1  state2  state3  state4 
0         1        1      14:00       1       1       0       1    
1         1        2      14:00     NAN     NAN       0       1
2         1        3      14:00       1       0     NAN     NAN

基本上我认为应该是outer join。所以我研究了文档并提出了这个：

df_1.set_index(['session_id', 'user_id', 'timestamp']).join(
   df_2.set_index(['session_id', 'user_id', 'timestamp']), how="outer")

但它的工作方式不正确。它只是将数据框放在另一个之下。我该怎么办 ？

【参考方案1】：

您可以简单地执行外部合并，如下所示。

默认情况下，pd.merge 作用于列的交集。

设置

df1 = pd.DataFrame('session_id': [1, 1],
                    'state1': ['1', '1'],
                    'state2': ['1', '0'],
                    'timestamp': ['14:00', '14:00'],
                    'user_id': [1, 3])

df2 = pd.DataFrame('session_id': [1],
                    'state3': ['0'],
                    'state4': ['1'],
                    'timestamp': ['14:00'],
                    'user_id': [2])

解决方案

res = pd.merge(df1, df2, how='outer')

结果

   session_id  user_id timestamp state1 state2 state3 state4
0           1        1     14:00      1      1    NaN    NaN
1           1        3     14:00      1      0    NaN    NaN
2           1        2     14:00    NaN    NaN      0      1