Python 3.x 是否有一种pythonic方法可以将datetime上的数据帧与具有不规则datetimestamp的数据对合并

我有几个数据系列，其中每个数据点都以[ms]的精度保存一个时间戳。我想将这些系列合并到一个时间线上，所有时间戳的采样精度应为[s]，最后应该有一个pd，其中第一列是datetime，具有系列中所有不同的时间戳。所有其他列在该datetime上合并

我的代码正在工作，但由于内存问题，无法处理大数据

数据如下所示：

a_data; a_Timestamp; b_data; b_Timestamp; c_data ; c_Timestamp
1; 2019-07-24 12:00:00.123; 2 ; 2019-07-24 12:00:00.234; 3 ; 2019-07-24 12:00:00.345;
2; 2019-07-24 12:00:03.123; 3 ; 2019-07-24 12:00:02.234; 4 ; 2019-07-24 12:00:03.645;

我的代码如下：

import numpy as np
import pandas as pd
import datetime as dt

def prepareData(df):
    dfm = None
    df = df.dropna(axis='columns',how='all')
    df = df.sort_index()  

    for col in df:
        dt = None
        if not "Timestamp" in col:
            series = pd.DataFrame({'DateTime' : pd.to_datetime(df[col + '_Timestamp']).astype('datetime64[s]'),col : df[col]})
            if mergedFrame is not None:
                dfm = dfm.merge(series, on='DateTime', how ='outer').sort_values('DateTime')           
            else:
                dfm = series    
        dfm = dfm.loc[~dfm.DateTime.duplicated(keep='first')]
    dfm = dfm.sort_index()
    dfm = dfm.fillna(method='ffill')
    dfm = dfm.fillna(method='bfill')
    dfm = dfm.fillna(0)
    return dfm.reset_index()       

df = pd.read_csv('file.csv', sep = ";", na_values="n/a" ,low_memory=False)
prepareData(df).to_csv( 'file_sampled.csv', sep = ';')    

结果应该是

DateTime; a_data; b_data ; c_data
2019-07-24 12:00:00; 1;2;3
2019-07-24 12:00:02; 1;3;3
2019-07-24 12:00:03; 2;3;3 
2019-07-24 12:00:04; 2;3;4

---

我得到了这个结果，但它占用的内存对于我的电脑来说太多了。我想有更好的方法来实现这一点。

首先，我们选择每个数据和每个时间戳列，并将它们并排放置：

x = pd.concat([pd.melt(df.iloc[:,::2], value_name='data'), pd.melt(df.iloc[:,1::2], value_name='DateTime').iloc[:,-1]], axis=1)

将日期时间字符串转换为日期时间，舍入为整秒并设置为索引：

x['DateTime'] = pd.to_datetime(x.DateTime).dt.round('s')
x = x.set_index('DateTime')

最后，我们分析数据：

x.pivot(columns='variable', values='data')

结果:

variable             a_data  b_data  c_data
DateTime                                   
2019-07-24 12:00:00     1.0     2.0     3.0
2019-07-24 12:00:02     NaN     3.0     NaN
2019-07-24 12:00:03     2.0     NaN     NaN
2019-07-24 12:00:04     NaN     NaN     4.0

---

这看起来更像蟒蛇，我想它是有效的。但我仍然得到了内存错误：（顺便说一句，我得到了48GB，.csv是520MB，也许我需要在几个步骤中重新排序，例如每次只对50行进行排序。这里的困难是，并非每一列都记录在同一个周期中。对于某些数据，5秒内有5个数据点，而对于其他数据，5秒内只有1个数据点。这导致了不同的长度每列的行数。如果按块来做呢？从csv（df.info（）的最后一行）读取数据帧后，整个数据帧的内存使用量是多少？606列，数据类型：float64（343），object（264），内存使用量：1.9+GB。对于范围（0，len（l），50）内的i，您的意思是smth喜欢的块：产生l[i:i+n]似乎我运行您的代码太快了。上次尝试时内存没有被清除，所以以前它已经被阻止。代码现在正在进行中，目前没有错误。在第一行

x['variable']=x.variable之后插入
x['variable']=x.variable.astype（'category'）
。concat（…

也将减少内存消耗（当然，前提是您能够计算x）