编辑

Question

在尝试合并datetime列上的两个数据框时出现错误

df1所在的位置：

TimeStamp                Value1

01-01-2019 00:00:00       v1

df2将具有：

TimeStamp                Value2

01-01-2019 9:23:52        v5
01-01-2019 10:33:52       v6
01-01-2019 11:43:52       v7
.
.

我需要什么：

TimeStamp                Value2    Value1

01-01-2019 9:23:52        v5        v1
01-01-2019 10:33:52       v6        v1
01-01-2019 11:43:52       v7        v1
.
.

但当前df2具有：空数据帧，列：[TimeStamp，Value2]

则预期输出应为：

TimeStamp                        Value2    Value1

01-01-2019  00:00:00              None        v1

我尝试过的事情：

full_merged=df1.merge(df2, left_on=pd.to_datetime(df2['TimeStamp'],format='%Y-%m-%d'), right_on=pd.to_datetime(df1['TimeStamp'],format='%Y-%m-%d'),how='outer')

出现以下错误：

raise KeyError(key) KeyError: 0 2019-08-27 Name: TimeStamp, dtype: datetime64[ns]

任何帮助将不胜感激。

Answer 1

首先反转合并方向。一个更自然的方法是 “基本” DataFrame是 df2 。

第二点要纠正的是，合并应该在 TimeStamp 列上，转换为 DateTime ，如果是 df2 -时间部分为“已取消” （我假设在两个Source DataFrames TimeStamp 列中都是 string 类型。）

第三个细节是：

要合并到 df2 的对象应该是 df1 中的仅 Value1 列。
合并模式（ how ）应该位于 left 。

外部合并模式会产生奇怪的结果，例如如果 df1 包含行在 df2 中缺少日期。

在这种情况下，结果将在两个 TimeStamp 中包含带有 NaN 的行和 Value2 以及 df1 这些行中的 Value ，不带“源” 日期。

因此，考虑到以上言论，我提出以下解决方案：

生成一个系列进行合并：

来自 df1 ，索引设置为 TimeStamp 列，覆盖为 DateTime ，

仅采用 Value1 列：

val1 = df1.set_index(pd.to_datetime(df1.TimeStamp)).Value1

然后执行合并：

df2 ，索引设置为 TimeStamp 列，覆盖为 DateTime ，并取消了 time 部分
与 val1 ，
关于两个来源的索引，
在左模式下

并删除当前索引（从头开始创建新索引）：

df2.set_index(pd.to_datetime(df2.TimeStamp).dt.floor('d'))\
    .merge(val1, left_index=True, right_index=True, how='left')\
    .reset_index(drop=True)

结果是：

             TimeStamp Value2 Value1
0  01-01-2019 09:23:52     v5     v1
1  01-01-2019 10:33:52     v6     v1
2  01-01-2019 11:43:52     v7     v1

因此，尽管合并仅在 date 部分进行，但结果仍然具有来自 df2 的原始 TimeStamp 。

编辑

您的代码也失败了，因为 TimeStamp 列的实际格式是“ day-month-year-year”，而您指定了%Y-%m-%d（year-month-day）。我的建议：如果不需要，请不要指定日期/时间格式。 pd.to_datetime 足够聪明，可以从源数据中识别格式。

合并熊猫数据框时出现KeyError：名称：TimeStamp，dtype：datetime64 [ns]

1 个答案:

编辑