合并并抽样两个大熊猫时间序列

Question

我有两个时间序列。我想合并它们并asfreq(*, method='pad')结果，限制在它们共同的时间范围内。

为了说明这一点，假设我像这样定义A和B：

import datetime as dt
import numpy as np
import pandas as pd

A = pd.Series(np.arange(4), index=pd.date_range(dt.datetime(2017,1,4,10,0,0), 
              periods=4, freq=dt.timedelta(seconds=10)))

B = pd.Series(np.arange(6), index=pd.date_range(dt.datetime(2017,1,4,10,0,7),
              periods=6, freq=dt.timedelta(seconds=3)))

所以他们看起来像：

# A
2017-01-04 10:00:00    0
2017-01-04 10:00:10    1
2017-01-04 10:00:20    2
2017-01-04 10:00:30    3

# B
2017-01-04 10:00:07    0
2017-01-04 10:00:10    1
2017-01-04 10:00:13    2
2017-01-04 10:00:16    3
2017-01-04 10:00:19    4
2017-01-04 10:00:22    5

我想计算类似的东西：

# combine_and_asfreq(A, B, dt.timedelta(seconds=5))
# timestamp            A   B
2017-01-04 10:00:07    0   0
2017-01-04 10:00:12    1   1
2017-01-04 10:00:17    1   3
2017-01-04 10:00:22    2   5

我该怎么做？

Answer 1

我不确定你在问什么，但这是一个有点复杂的方法，首先找到重叠时间并创建一个单独的列数据帧作为具有5s timedelta的'基础'数据帧。

通过正确设置数据框来开始

start = max(A.index.min(), B.index.min())
end = min(A.index.max(), B.index.max())

df_time = pd.DataFrame({'time': pd.date_range(start,end,freq='5s')})

df_A = A.reset_index()
df_B = B.reset_index()

df_A.columns = ['time', 'value']
df_B.columns = ['time', 'value']

现在我们有以下三个数据帧。

<强> DF_A

                 time  value
0 2017-01-04 10:00:00      0
1 2017-01-04 10:00:10      1
2 2017-01-04 10:00:20      2
3 2017-01-04 10:00:30      3

<强> DF_B

                time  value
0 2017-01-04 10:00:07      0
1 2017-01-04 10:00:10      1
2 2017-01-04 10:00:13      2
3 2017-01-04 10:00:16      3
4 2017-01-04 10:00:19      4
5 2017-01-04 10:00:22      5

<强> df_time

                 time
0 2017-01-04 10:00:07
1 2017-01-04 10:00:12
2 2017-01-04 10:00:17
3 2017-01-04 10:00:22

使用merge_asof加入所有三个

pd.merge_asof(pd.merge_asof(df_time, df_A, on='time'), df_B, on='time', suffixes=('_A', '_B'))


                 time  value_A  value_B
0 2017-01-04 10:00:07        0        0
1 2017-01-04 10:00:12        1        1
2 2017-01-04 10:00:17        1        3
3 2017-01-04 10:00:22        2        5