Question

我有以下每小时数据框dfA：

Date/Time            Value1    Value2
01.03.2010 00:00:00  60        10
01.03.2010 01:00:00  50        20 
01.03.2010 02:00:00  52        30
01.03.2010 03:00:00  49        40
.
.
.
31.12.2013 23:00:00  77        50

我有第二个数据帧dfB，每年都有一个vaules：

Date/Time   Value1    Value2
31.12.2010   1.5        0.9
31.12.2011   1.6        1.1 
31.12.2012   1.7        2.3
31.12.2013   1.3        0.6

我想将dfA中的每小时值乘以数据帧dfB中相应年份的因子。

结果应如下所示：

Date/Time            Value1    Value2
01.03.2010  00:00:00    90        9
01.03.2010  01:00:00    75       18
01.03.2010  02:00:00    78       27
01.03.2010  03:00:00    73.5     36
.           
.           
.           
31.12.2013  23:00:00    100.1    30

我一直在尝试使用dfC = dfA*dfB[dfA.index.year()]，但我收到错误TypeError: 'numpy.ndarray' object is not callable。任何人都可以帮我这个吗？

Answer 1

您可以尝试附加到df1 df1.index.year的索引，然后将df2的索引更改为years，然后使用mul：

print df1
                     Value1  Value2
Date/Time                          
2010-01-03 00:00:00      60      10
2010-01-03 01:00:00      50      20
2010-01-03 02:00:00      52      30
2010-01-03 03:00:00      49      40
2013-12-31 23:00:00      77      50

print df2
            Value1  Value2
Date/Time                 
2010-12-31     1.5     0.9
2011-12-31     1.6     1.1
2012-12-31     1.7     2.3
2013-12-31     1.3     0.6

df1 = df1.set_index(df1.index.year, append=True)
df2.index = df2.index.year

print df1
                          Value1  Value2
Date/Time                               
2010-01-03 00:00:00 2010      60      10
2010-01-03 01:00:00 2010      50      20
2010-01-03 02:00:00 2010      52      30
2010-01-03 03:00:00 2010      49      40
2013-12-31 23:00:00 2013      77      50

print df2
      Value1  Value2
2010     1.5     0.9
2011     1.6     1.1
2012     1.7     2.3
2013     1.3     0.6

print df1.mul(df2, level=1).reset_index(drop=True, level=1)

                     Value1  Value2
Date/Time                          
2010-01-03 00:00:00    90.0       9
2010-01-03 01:00:00    75.0      18
2010-01-03 02:00:00    78.0      27
2010-01-03 03:00:00    73.5      36
2013-12-31 23:00:00   100.1      30

Answer 2

假设您从

开始

dfA = pd.DataFrame({
    'Date/Time': ['01.03.2010 00:00:00'],
    'Value1': [60],
    'Value2': [10]})
dfB = pd.DataFrame({
    'Date/Time': ['01.03.2010'],
    'Value1': [1.5],
    'Value2': [0.9]})

为每个DataFrame添加'year'列：

dfA['year'] = pd.to_datetime(dfA['Date/Time'])
dfB['year'] = pd.to_datetime(dfB['Date/Time'])

现在只需左栏合并此列：

>>> pd.merge(
    dfA,
    dfB,
    left_on='year',
    right_on='year',
    how='left')
    Date/Time_x Value1_x    Value2_x    year    Date/Time_y Value1_y    Value2_y
0   01.03.2010 00:00:00 60  10  2010-01-03  01.03.2010  1.5 0.9

请注意，合并添加了后缀'_x'和'_y'。

除了这个合并之外，你可以按常规方式将列相乘，摆脱你不需要的列等等。

Answer 3

最简单的方法可能是将较低频率的系列/数据帧上采样到更高的频率，然后再乘以。

In [82]: s1 = pd.Series(np.random.randn(31), index=pd.date_range(start='2015-01-01', end='2015-01-31', freq='d'))

In [83]: s2 = pd.Series(np.random.randn(4), index=pd.date_range(start='2015-01-01', end='2015-01-31', freq='W'))

In [84]: s2.resample('d').mean().reindex(s1.index).ffill().bfill() * s1
Out[84]:
2015-01-01    0.361944
2015-01-02    2.806391
2015-01-03    0.741745
2015-01-04    0.855619
2015-01-05   -2.127828
                ...
2015-01-27    0.533919
2015-01-28    0.792278
2015-01-29    1.722754
2015-01-30    0.822032
2015-01-31    0.729741
Freq: D, dtype: float64

在这种情况下我们需要额外的redindex(s1.index)，因为开始和结束不完全对齐。

如何将一个pandas数据帧中的所有小时值与另一个数据帧中的年度值相乘？

3 个答案: