将数据帧与时间戳和间隔合并
Posted
技术标签:
【中文标题】将数据帧与时间戳和间隔合并【英文标题】:merge dataframes with timestamps and intervals 【发布时间】:2019-06-22 09:41:28 【问题描述】:我有两个数据框。
df1 包含数字和时间戳。这是一个非常大的集合。
df1.head()
Out[292]:
2016-08-31 08:09:00 1.0
2016-08-31 08:11:00 7.0
2016-08-31 08:14:00 90.0
df2 包含区间
d2.head()
Out[292]:
start stop C
2016-08-31 08:09:00 2016-08-31 08:12:00 'a'
2016-08-31 08:13:00 2016-08-31 08:20:00 'b'
2016-08-31 08:20:00 2016-08-31 08:45:00 'c'
我想在df1
中添加一个新列C
,这样C
的值就对应于df2
中包含df1
索引的区间的值。
预期结果
df1.head()
Out[292]: C
2016-08-31 08:09:00 1.0 'a'
2016-08-31 08:11:00 7.0 'a'
2016-08-31 08:14:00 90.0 'b'
到目前为止,我已经尝试过:
df1.loc[:,'C']=df1.index.map(lambda i:df2[np.logical_and(i>df2.starti<df2.stop)].C)
但在某些情况下,当 df2 的区间列表中缺少索引值时,它的效率极低并且崩溃。
如何有效地做到这一点?
【问题讨论】:
【参考方案1】:首先由IntervalIndex.from_arrays
创建IntervalIndex
:
s = pd.IntervalIndex.from_arrays(df2['start'], df2['stop'], 'both')
print (s)
IntervalIndex([[2016-08-31 08:09:00, 2016-08-31 08:12:00],
[2016-08-31 08:13:00, 2016-08-31 08:20:00],
[2016-08-31 08:20:00, 2016-08-31 08:45:00]],
closed='both',
dtype='interval[datetime64[ns]]')
然后set_index
by new IntervalIndex
设置为由values
创建的数组的新列:
df1['C'] = df2.set_index(s).loc[df1.index, 'C'].values
print (df1)
A C
2016-08-31 08:09:00 1.0 a
2016-08-31 08:11:00 7.0 a
2016-08-31 08:14:00 90.0 b
编辑:
s = pd.IntervalIndex.from_arrays(df2['start'].astype(np.int64),
df2['stop'].astype(np.int64), 'both')
print (s)
IntervalIndex([[1472630940000000000, 1472631120000000000],
[1472631180000000000, 1472631600000000000],
[1472631600000000000, 1472633100000000000]],
closed='both',
dtype='interval[int64]')
df1['C'] = df2.set_index(s).loc[df1.index.astype(np.int64), 'C'].values
print (df1)
A C
2016-08-31 08:09:00 1.0 a
2016-08-31 08:11:00 7.0 a
2016-08-31 08:14:00 90.0 b
【讨论】:
df2.set_index(s) 返回错误:KeyError: ('datetime64[ns]', 'both') 这是一个很好的解决方案,很高兴了解 IntervalIndex @00__00__00 - 你的熊猫版本是什么? pd.__version__ Out[306]: '0.23.4' @00__00__00 - 嗯,可能的解决方案应该是通过.astype(np.int64)
将日期时间转换为本机格式并应用解决方案。以上是关于将数据帧与时间戳和间隔合并的主要内容,如果未能解决你的问题,请参考以下文章