根据最接近的日期时间合并两个数据框
Posted
技术标签:
【中文标题】根据最接近的日期时间合并两个数据框【英文标题】：merge two dataframes based on closest datetime 【发布时间】：2019-05-27 18:01:30 【问题描述】：我有两个数据集，一个包含空气质量数据，一个包含天气数据，每个数据集都有一个名为“dt”的列，用于表示日期和时间。然而，这些时间并不完全匹配。我想加入这些表，以便保留空气质量数据，并匹配和合并天气数据的最接近时间。
df_aq：
dt Latitude Longitude ... Speed_kmh PM2.5 PM10
0 11/20/2018 12:16 33.213922 -97.151055 ... 0.35 16.0 86.1
1 11/20/2018 12:16 33.213928 -97.151007 ... 5.01 16.0 86.1
2 11/20/2018 12:16 33.213907 -97.150953 ... 5.27 16.0 86.1
3 11/20/2018 12:16 33.213872 -97.150883 ... 5.03 16.0 86.1
...
364 11/20/2018 12:46 33.209462 -97.148623 ... 0.00 2.8 6.3
365 11/20/2018 12:46 33.209462 -97.148623 ... 0.00 2.8 6.3
366 11/20/2018 12:46 33.209462 -97.148623 ... 0.00 2.8 6.3]
df_weather：
USAF WBAN dt DIR SPD ... PCP01 PCP06 PCP24 PCPXX
0 722589 3991 11/20/2018 0:53 360 6 ... 0 ***** ***** *****
1 722589 3991 11/20/2018 1:53 350 6 ... 0 ***** ***** *****
2 722589 3991 11/20/2018 2:53 310 3 ... 0 ***** ***** *****
3 722589 3991 11/20/2018 3:53 330 5 ... 0 ***** ***** *****
4 722589 3991 11/20/2018 4:53 310 6 ... 0 ***** ***** *****
df_aq 的范围为 12:16-12:46，并且 df_weather 在 53 分钟标记处每小时都有数据。因此最接近的时间是 11:53 和 12:53，所以我希望这两个时间和随后的天气数据与 df_aq 上的所有数据适当合并
我尝试过使用 iloc 和 Index.get_loc，因为这似乎是最好的方法，但我不断收到错误。
我试过了：
ctr = df_aq['dt'].count() - 1
startTime = df_aq['dt'][0]
endTime = df_aq['dt'][ctr]
print df_weather.iloc[df_weather.index.get_loc(startTime,method='nearest') or df_weather.index.get_loc(endTime,method='nearest')]
然后我得到一个错误：
TypeError: unsupported operand type(s) for -: 'long' and 'str'
我不确定这个错误是什么意思
有没有比 iloc 更好的方法呢？如果没有，我在这段代码中做错了什么？
非常感谢您提供的任何帮助。
【问题讨论】：
检查pd.merge_asofdocs
@Shannon 请提供您的数据集的链接。
【参考方案1】：
我冒昧地举一个我在学习过程中使用的例子:-)，希望这将有助于实现您的目标。
如评论部分所述，您可以尝试使用特殊功能 merge_asof() 来合并时间序列数据帧
数据帧优先：
>>> df1
time ticker price quantity
0 2016-05-25 13:30:00.023 MSFT 51.95 75
1 2016-05-25 13:30:00.038 MSFT 51.95 155
2 2016-05-25 13:30:00.048 GOOG 720.77 100
3 2016-05-25 13:30:00.048 GOOG 720.92 100
4 2016-05-25 13:30:00.048 AAPL 98.00 100
DataFrame 秒：
>>> df2
time ticker bid ask
0 2016-05-25 13:30:00.023 GOOG 720.50 720.93
1 2016-05-25 13:30:00.023 MSFT 51.95 51.96
2 2016-05-25 13:30:00.030 MSFT 51.97 51.98
3 2016-05-25 13:30:00.041 MSFT 51.99 52.00
4 2016-05-25 13:30:00.048 GOOG 720.50 720.93
5 2016-05-25 13:30:00.049 AAPL 97.99 98.01
6 2016-05-25 13:30:00.072 GOOG 720.50 720.88
7 2016-05-25 13:30:00.075 MSFT 52.01 52.03
>>> new_df = pd.merge_asof(df1, df2, on='time', by='ticker')
>>> new_df
time ticker price quantity bid ask
0 2016-05-25 13:30:00.023 MSFT 51.95 75 51.95 51.96
1 2016-05-25 13:30:00.038 MSFT 51.95 155 51.97 51.98
2 2016-05-25 13:30:00.048 GOOG 720.77 100 720.50 720.93
3 2016-05-25 13:30:00.048 GOOG 720.92 100 720.50 720.93
4 2016-05-25 13:30:00.048 AAPL 98.00 100 NaN NaN
查看文档Doc merge_asof
【讨论】：
以上是关于根据最接近的日期时间合并两个数据框的主要内容，如果未能解决你的问题，请参考以下文章