数据

Question

我想要合并由time和id编制索引的两个数据集。问题是，每个数据集的时间略有不同。在一个数据集中，时间（每月）是月中，因此是每个月的第15个月。在其他数据集中，这是最后一个工作日。这应该仍然是一对一的匹配，但日期并不完全相同。

我的方法是将月中日期更改为工作日月末日期。

数据：

dt = pd.date_range('1/1/2011','12/31/2011', freq='D')
dt = dt[dt.day == 15]
lst = [1,2,3]
idx = pd.MultiIndex.from_product([dt,lst],names=['date','id'])
df = pd.DataFrame(np.random.randn(len(idx)), index=idx)
df.head()

输出：

                      0
date       id
2011-01-15 1  -0.598584
           2  -0.484455
           3  -2.044912
2011-02-15 1  -0.017512
           2   0.852843

这就是我想要的（我删除了性能警告）：

In[83]:df.index.levels[0] + BMonthEnd()
Out[83]:
DatetimeIndex(['2011-01-31', '2011-02-28', '2011-03-31', '2011-04-29',
               '2011-05-31', '2011-06-30', '2011-07-29', '2011-08-31',
               '2011-09-30', '2011-10-31', '2011-11-30', '2011-12-30'],
              dtype='datetime64[ns]', freq='BM')

但是，索引是不可变的，所以这不起作用：

In: df.index.levels[0] = df.index.levels[0] + BMonthEnd()

TypeError: 'FrozenList' does not support mutable operations.

我唯一的解决方案是reset_index（），更改日期，然后再次设置set_index（）：

df.reset_index(inplace=True)
df['date'] = df['date'] + BMonthEnd()
df.set_index(['date','id'], inplace=True)

这给了我想要的东西，但这是最好的方法吗？是否有set_level_values（）函数（我没有在API中看到它）？

或许我采取了错误的合并方法。我可以将数据集与键df.index.get_level_values(0).year，df.index.get_level_values(0).month和id合并，但这似乎并没有好多少。

Answer 1

您可以使用set_levels来设置多索引级别：

df.index.set_levels(df.index.levels[0] + pd.tseries.offsets.BMonthEnd(),
                    level='date', inplace=True)


>>> df.head()
                      0
date       id          
2011-01-31 1  -1.410646
           2   0.642618
           3  -0.537930
2011-02-28 1  -0.418943
           2   0.983186

Answer 2

您可以再次构建它：

df.index = pd.MultiIndex.from_arrays(
    [
       df.index.get_level_values(0) + BMonthEnd(),
       df.index.get_level_values(1)
])

set_levels隐式重建索引下的索引。如果您有两个以上的级别，此解决方案将变得不合适，因此请考虑使用set_levels进行简洁输入。

Answer 3

既然你想要合并，你可以忘记改变索引并使用pandas.merge_asof()

数据

df1

                      0
date       id          
2011-01-15 1  -0.810581
           2   1.177235
           3   0.083883
2011-02-15 1   1.217419
           2  -0.970804
           3   1.262364
2011-03-15 1  -0.026136
           2  -0.036250
           3  -1.103929
2011-04-15 1  -1.303298

这是本月最后一个工作日的df2

                      0
date       id          
2011-01-31 1  -0.277675
           2   0.086539
           3   1.441449
2011-02-28 1   1.330212
           2  -0.028398
           3  -0.114297
2011-03-31 1  -0.031264
           2  -0.787093
           3  -0.133088
2011-04-29 1   0.938732

合并

使用df1作为左侧DataFrame，然后选择合并方向作为转发，因为上一个工作日始终是在15日之后。您可以选择设置容差。如果您在2月的最后一个工作日缺少数据，那么在您错过正确的DataFrame月份的情况下，此功能非常有用，并且会阻止您将03-31-2011合并到02-15-2011。

import pandas as pd
pd.merge_asof(df1.reset_index(), df2.reset_index(), by='id', on='date', 
              direction='forward', tolerance=pd.Timedelta(days=20)).set_index(['date', 'id'])

结果

                    0_x       0_y
date       id                    
2011-01-15 1  -0.810581 -0.277675
           2   1.177235  0.086539
           3   0.083883  1.441449
2011-02-15 1   1.217419  1.330212
           2  -0.970804 -0.028398
           3   1.262364 -0.114297
2011-03-15 1  -0.026136 -0.031264
           2  -0.036250 -0.787093
           3  -1.103929 -0.133088
2011-04-15 1  -1.303298  0.938732

在多索引中移位时间以合并

3 个答案:

数据

合并