Question

我正在尝试使用pandas合并两个数据集。一个是位置（经度和纬度），另一个是时间范围（0到24小时，15分钟步数= 96个数据点）

以下是示例代码：

s1 = pd.Series([1, 2, 3])
s2 = pd.Series([4, 5, 6])
df = pd.DataFrame([list(s1), list(s2)],  columns =  ["A", "B", "C"])

timeframe_array=[]
for i in range(0, 3600, timeframe):
    timeframe_array.append(i)

我想得到这样的数据：

   A  B  C  time
0  1  2  3     0
1  1  2  3    15
2  1  2  3    30
3  1  2  3    45
...

我如何获得这样的数据？

Answer 1

虽然不是特别优雅，但这应该有效：

from __future__ import division  # only needed if you're using Python 2
import pandas as pd
from math import ceil

# Constants
timeframe = 15
total_t = 3600

创建df1：

s1 = [1, 2, 3]
s2 = [4, 5, 6]
df1 = pd.DataFrame([s1, s2], columns=['A', 'B', 'C'])

接下来，我们要构建df2，以便为0-3600中的每一行复制序列df1（步骤= 15）。我们可以使用df1.shape[0]（在这种情况下为2）提取行数。

df2 = pd.DataFrame({'time': range(0, total_t * df1.shape[0], timeframe)})

接下来，您需要复制df1中的行以匹配df2。

factor = ceil(df2.shape[0] / df1.shape[0])
df1_f = pd.concat([df1] * factor).sort_index().reset_index(drop=True)

最后，将两个数据框连接在一起并修剪掉多余的行。

df3 = df1_f.join(df2, how='left')[:df2.shape[0]]

Pandas可能有内置的方法来执行此操作，但据我所知，join和merge只能通过填充常量来弥补行数的差异（{默认情况下为{1}}。

结果：

NaN

通过pandas

1 个答案: