我有两个不规则的时间序列作为数据帧(DataA和DataB),它们的行表示不同时间项的特征(A或B)的值:
DataA DataB
time item_id valueA time item_id valueB
0 x A1 3 x B1
1 y A2 4 y B2
2 z A3 5 x B3
6 y A4 6 y B4
7 z A5 7 z B5
9 x A6 8 x B6
10 y A7 10 y B7
11 z A8 11 z B8
12 z A9
Python中的DF定义:
dataA = [
[0 , 'x', 'A1'], [1 , 'y', 'A2'], [2 , 'z', 'A3'],
[6 , 'y', 'A4'], [7 , 'z', 'A5'], [9 , 'x', 'A6'],
[10, 'y', 'A7'], [11, 'z', 'A8'], [12, 'z', 'A9']]
dataB = [
[3 , 'x', 'B1'], [4 , 'y', 'B2'], [5 , 'x', 'B3'],
[6 , 'y', 'B4'], [7 , 'z', 'B5'], [8 , 'x', 'B6'],
[10, 'y', 'B7'], [11, 'z', 'B8']]
dataA_df = pd.DataFrame(dataA, columns = ['time', 'item_id', 'valueA'])
dataB_df = pd.DataFrame(dataB, columns = ['time', 'item_id', 'valueB'])
我想生成一个合并的数据框,这将导致以下结果:
time item_id valueA valueB
0 x A1 NaN
1 y A2 NaN
2 z A3 NaN
3 x A1 B1
4 y A2 B2
5 x A1 B3
6 y A4 B4
7 z A5 B5
8 x A1 B6
9 x A6 B6
10 y A7 B7
11 z A8 B8
12 z A9 B8
位置:
如果有一个项目X在时间T对valueA和valueB都进行了更新,那么将存在一个同时包含这两个值的行。
否则,如果某项X仅对一个值(valueA或valueB)进行了更新,则该行中包含该值,而另一个缺失值则为先前值
如果[2]中的缺失值没有先前的值,则应使用NaN代替
答案 0 :(得分:4)
首先合并框架并对其进行排序:
df = pd.merge(
left=dataA_df,
right=dataB_df,
on=['time', 'item_id'],
how='outer'
)
df = df.sort_values('time')
然后按item_id向前填充
df.groupby('item_id').ffill()
time item_id valueA valueB
0 x A1 NaN
1 y A2 NaN
2 z A3 NaN
3 x A1 B1
4 y A2 B2
5 x A1 B3
6 y A4 B4
7 z A5 B5
8 x A1 B6
9 x A6 B6
10 y A7 B7
11 z A8 B8
12 z A9 B8