pandas - 根据满足条件的列合并行

Posted 2023-03-14

【中文标题】pandas - 根据满足条件的列合并行

【英文标题】：pandas - merge rows based on column meeting a condition

【发布时间】：2018-02-13 23:55:03

【问题描述】：

我是 pandas 的新手，我不知道最好的方法。

我有两个文件放在两个不同的数据框中：

>> frame1.head()
Out[64]:

    Date and Time           Sample  Unnamed: 2
0   05/18/2017 08:38:37:490 163.7   NaN
1   05/18/2017 08:39:37:490 164.5   NaN
2   05/18/2017 08:40:37:490 148.7   NaN
3   05/18/2017 08:41:37:490 111.2   NaN
4   05/18/2017 08:42:37:490 83.6    NaN


>>frame2.head()
Out[66]:
Date and Time               Sample  Unnamed: 2
0   05/18/2017 08:38:38:490 7.5 NaN
1   05/18/2017 08:39:38:490 7.5 NaN
2   05/18/2017 08:40:38:490 7.5 NaN
3   05/18/2017 08:41:38:490 7.5 NaN
4   05/18/2017 08:42:38:490 7.5 NaN

我需要将第 1 帧中的任何行与第 2 帧中的任何行“合并”，它们彼此相距一秒钟。

例如， 第 1 帧的这一行：

0   05/18/2017 08:38:37:490 163.7   NaN

在从第 2 帧开始的这一行的一秒内：

0   05/18/2017 08:38:38:490 7.5 NaN

所以当它们“合并”时，输出应该是这样的：

0   05/18/2017 08:38:37:490 163.7 7.5 NaN NaN

换句话说，一行的时间被另一行替换了，剩下的所有列都只是追加了

我想出的最接近的方法是：

    d3 = pd.merge(frame1, frame2, on='Date and Time (MM/DD/YYYY HH:MM:SS:sss)', how='outer')

>>d3.head()
    Date and Time           Sample_x    Unnamed: 2_x    Sample_y    Unnamed: 2_y
0   05/18/2017 08:38:37:490 163.7   NaN NaN NaN
1   05/18/2017 08:39:37:490 164.5   NaN NaN NaN
2   05/18/2017 08:40:37:490 148.7   NaN NaN NaN
3   05/18/2017 08:41:37:490 111.2   NaN NaN NaN
4   05/18/2017 08:42:37:490 83.6    NaN NaN NaN

但是，这不是条件合并.. .如果它们彼此在一秒钟内，我需要合并，而不是完全相同。

我知道我可以将时间与以下内容进行比较：

def compare_time(temp, sec=1):
   return abs(current - temp) <= datetime.timedelta(seconds=sec)

然后使用 .apply() 或其他东西...但我不知道如何将所有这些拼凑在一起

编辑：看起来 pd.merge_asof 做得很好，但我还需要保留最终帧中未匹配/合并的行

编辑 2：

df1 = pd.DataFrame( 'datetime':pd.date_range('1-1-2017', periods= 4,freq='s'),
                     'sample':  np.arange(4)+100 )
df2 = pd.DataFrame( 'datetime':pd.date_range('1-1-2017', periods=4,freq='300ms'),
                     'sample':  np.arange(4) )

blah = pd.merge_asof( df2, df1, on='datetime', tolerance=pd.Timedelta('1s') )  \
    .append(df1.rename(columns='sample':'sample_x')).drop_duplicates('sample_x')
blah

返回：

    datetime    sample_x    sample_y
0   2017-01-01 00:00:00.000 0   100.0
1   2017-01-01 00:00:00.300 1   100.0
2   2017-01-01 00:00:00.600 2   100.0
3   2017-01-01 00:00:00.900 3   100.0
0   2017-01-01 00:00:00.000 100 NaN
1   2017-01-01 00:00:01.000 101 NaN
2   2017-01-01 00:00:02.000 102 NaN
3   2017-01-01 00:00:03.000 103 NaN

请注意，它保留了原始行索引（零列出了两次）..

【问题讨论】：

可以查看pd.merge_asofpandas.pydata.org/pandas-docs/stable/generated/…

每个数据框的行大小有多大？

如果r1的时间戳为05/18/2017 08:38:37:490，r2的时间戳为05/18/2017 08:39:36:490，r3的时间戳为05/18/2017 08:40:35:490，如何合并？ r1 和 r2 在一秒内，r2 和 r3 也在一秒内。但 r1 和 r3 不是。

【参考方案1】：

您可以按照@Wen 的建议使用merge_asof，但请务必为tolerance 指定可选值。还要考虑为匹配的direction 设置选项值，可以是“向后”（默认）、“最近”或“向前”。

pd.merge_asof( df1, df2, on='datetime', tolerance=pd.Timedelta('1s') )

这里有一个更长的示例数据解释（注意我只是创建新的示例数据，因为我只能看到你的实际数据的前几行）：

df1 = pd.DataFrame( 'datetime':pd.date_range('1-1-2017', periods= 4,freq='s'),
                     'sample':  np.arange(4)+100 )
df2 = pd.DataFrame( 'datetime':pd.date_range('1-1-2017', periods=4,freq='300ms'),
                     'sample':  np.arange(4) )

df1
Out[208]: 
             datetime  sample
0 2017-01-01 00:00:00     100
1 2017-01-01 00:00:01     101
2 2017-01-01 00:00:02     102
3 2017-01-01 00:00:03     103

df2
Out[209]: 
                 datetime  sample
0 2017-01-01 00:00:00.000       0
1 2017-01-01 00:00:00.300       1
2 2017-01-01 00:00:00.600       2
3 2017-01-01 00:00:00.900       3

pd.merge_asof( df1, df2, on='datetime', tolerance=pd.Timedelta('1s') )
Out[210]: 
             datetime  sample_x  sample_y
0 2017-01-01 00:00:00       100       0.0
1 2017-01-01 00:00:01       101       3.0
2 2017-01-01 00:00:02       102       NaN
3 2017-01-01 00:00:03       103       NaN

请注意，merge_asof 进行了左连接，因此您可以通过更改 df1 和 df2 的顺序得到不同的答案：

pd.merge_asof( df2, df1, on='datetime', tolerance=pd.Timedelta('1s') )
Out[218]: 
                 datetime  sample_x  sample_y
0 2017-01-01 00:00:00.000         0       100
1 2017-01-01 00:00:00.300         1       100
2 2017-01-01 00:00:00.600         2       100
3 2017-01-01 00:00:00.900         3       100

编辑添加：文档说merge_asof 设计了左连接，但它似乎与真正的左连接不同，因为它排除了左数据框中不匹配的行.要解决此问题，您可以执行以下操作：

pd.merge_asof( df1, df2, on='datetime', tolerance=pd.Timedelta('1s') )  \
    .append(df1.rename(columns='sample':'sample_x')).drop_duplicates('sample_x')
Out[236]: 
             datetime  sample_x  sample_y
0 2017-01-01 00:00:00       100       0.0
1 2017-01-01 00:00:01       101       3.0
2 2017-01-01 00:00:02       102       NaN
3 2017-01-01 00:00:03       103       NaN

请注意，您可能需要根据您是否具有唯一索引和/或唯一列来调整 drop_duplicates。

【讨论】：

如何同时保留 df2.2 和 df2.3 行？结果数据框中似乎缺少以 .6 结尾的时间。

如何保留未合并的行？请注意，在合并结果中，样本值 101、102、103 缺失

blah = pd.merge_asof( df2, df1, on='datetime', tolerance=pd.Timedelta('1s') ) \ .append(df1.rename(columns='sample':'sample_x')).drop_duplicates('sample_x') (d2, d1 的倒序) 看起来像我想要的那样，但它有这种奇怪的效果，有多个索引为零的行.. (我将它发布在编辑_

@JillRussek 抱歉没有完全按照。我看到您在合并中切换了 df2 和 df1 的顺序，因此您可能需要将 sample_x 切换为 sample_y 但我无法完全确定您想要的最终输出