Question

我有每日数据，还有每月数据。我想按月编号对每日数据进行标准化 - 例如，2017年的前31天全部除以2017年1月对应的数据集。

import pandas as pd
import datetime as dt

N=100
start=dt.datetime(2017,1,1)
df_daily=pd.DataFrame({"a":range(N)}, index=pd.date_range(start, start+dt.timedelta(N-1)))

df_monthly=pd.Series([1, 2, 3], index=pd.PeriodIndex(["2017-1", "2017-2", "2017-3"], freq="M"))

df_daily["a"] / df_monthly # ???

我希望时间序列数据能够以一对多的方式对齐并执行所需的操作，但我获得了大量的NaN。

如何在Pandas中正确地进行这种一对多数据对齐？

我可能还希望连接数据，在这种情况下，我希望每月数据在一个月内复制值。

Answer 1

您可以使用to_period('M')提取信息，然后使用map。

df_daily["month"] = df_daily.index.to_period('M')
df_daily['a'] / df_daily["month"].map(df_monthly)

如果不创建month列，则可以使用

df_daily['a'] / df_daily.index.to_period('M').to_series().map(df_monthly)

Answer 2

您可以从索引的月份创建临时密钥，然后合并密钥上的数据框，即

df_monthly = df_monthly.to_frame().assign(key=df_monthly.index.month)
df_daily = df_daily.assign(key=df_daily.index.month)

df_new = df_daily.merge(df_monthly,how='left').set_index(df_daily.index).drop('key',1)

            a    0
2017-01-01  0  1.0
2017-01-02  1  1.0
2017-01-03  2  1.0
2017-01-04  3  1.0
2017-01-05  4  1.0

对于师，你可以简单地做：

df_new['b'] = df_new['a'] / df_new[0]

如何将每日数据与熊猫的月度数据结合起来？

2 个答案: