基于不规则时间列合并两个数据帧

Posted 2023-02-23

【中文标题】基于不规则时间列合并两个数据帧

【英文标题】：Merging two dataframes based on irregular time column

【发布时间】：2020-05-07 19:31:51

【问题描述】：

我有两个不规则的时间序列作为数据帧（DataA 和 DataB），它们的行代表不同时间项目的特征（A 或 B）的值：

DataA                      DataB
time item_id  valueA       time   item_id  valueB
0    x        A1           3      x        B1
1    y        A2           4      y        B2
2    z        A3           5      x        B3
6    y        A4           6      y        B4
7    z        A5           7      z        B5
9    x        A6           8      x        B6
10   y        A7           10     y        B7
11   z        A8           11     z        B8
12   z        A9

python中的DF定义：

dataA = [
    [0 , 'x', 'A1'], [1 , 'y', 'A2'], [2 , 'z', 'A3'],
    [6 , 'y', 'A4'], [7 , 'z', 'A5'], [9 , 'x', 'A6'],
    [10, 'y', 'A7'], [11, 'z', 'A8'], [12, 'z', 'A9']]

dataB = [
    [3 , 'x', 'B1'], [4 , 'y', 'B2'], [5 , 'x', 'B3'],
    [6 , 'y', 'B4'], [7 , 'z', 'B5'], [8 , 'x', 'B6'],
    [10, 'y', 'B7'], [11, 'z', 'B8']]

dataA_df = pd.DataFrame(dataA, columns = ['time', 'item_id', 'valueA'])
dataB_df = pd.DataFrame(dataB, columns = ['time', 'item_id', 'valueB'])

---

我想生成一个合并的数据框，结果如下：

time  item_id   valueA   valueB
0     x         A1       NaN
1     y         A2       NaN
2     z         A3       NaN
3     x         A1       B1
4     y         A2       B2
5     x         A1       B3
6     y         A4       B4
7     z         A5       B5
8     x         A1       B6
9     x         A6       B6
10    y         A7       B7
11    z         A8       B8
12    z         A9       B8

地点：

如果有一个项目 X 在时间 T 对 valueA 和 valueB 都有更新，则存在具有这两个值的行。

1234563

如果 [2] 中的缺失值没有先前的值，则应使用 NaN 代替它

【问题讨论】：

第 12 行值 B -> B5 怎么样？？？前面有一个 B8..

@StevenG 这是一个错字 - 感谢您发现它。

【参考方案1】：

首先合并您的框架并对其进行排序：

df = pd.merge(
    left=dataA_df, 
    right=dataB_df, 
    on=['time', 'item_id'], 
    how='outer'
)
df = df.sort_values('time')

然后按 item_id 向前填充

df.groupby('item_id').ffill()

time item_id valueA valueB
0       x     A1    NaN
1       y     A2    NaN
2       z     A3    NaN
3       x     A1     B1
4       y     A2     B2
5       x     A1     B3
6       y     A4     B4
7       z     A5     B5
8       x     A1     B6
9       x     A6     B6
10       y     A7     B7
11       z     A8     B8
12       z     A9     B8

【讨论】：

很好的答案！

df.sort_values(['time', 'item_id'])