Python 使用条件将数据从一个数据帧填充到另一个数据帧，然后重复填充，直到条件更改为止

因此，总结如下：

我有两个数据帧在同一日历年，但不同的时间平均每天。DF1每分钟一次，DF2每天一次

指令

我现在正在考虑使用一个“days-since”标准days=1,2,3…我将DF2中的所有列放入DF1中，并在当天的每一行中重复该日期，然后移到第二天

• 我有两个文件，它们都是CSV文件
• 这些将作为转换为数据帧的CSV文件读入熊猫
• 我正在考虑重新开始，下面的代码是第一次尝试 将每分钟数据关联到每小时数据
• 添加“自2014年9月12日起的天数”列，并在必要时采取措施 df[days]=df1[days]打印来自df的列（在本例中为 是每日平均值）df1（这是3分钟的平均数据）

下面是将每小时数据与每分钟数据关联起来的代码示例

选项卡分隔示例：

Date    Pressure    Temperature Salinity    Density
9/12/2014   20.67517553 9.467564621 34.75207884 1026.945064
9/13/2014   20.50534192 9.081091137 34.77935638 1027.028736

我希望将此关联到：

    Date    seawater_pressure   seawater_temperature    seawater_conductivity   practical_salinity  density lat lon Years
9/12/2014 0:00  177.859887  4.574663842 3.307338475 34.90723316 1028.476924 59.97533    -39.48183   2014.697222
9/12/2014 0:03  214.3598333 4.397781667 3.292384278 34.89887436 1028.659543 59.97533    -39.48183   2014.697222
9/12/2014 0:06  264.5863333 4.208137222 3.276747278 34.88825043 1028.905126 59.97533    -39.48183   2014.697222
9/12/2014 0:09  314.3161111 4.1242  3.271341056 34.88661059 1029.14336  59.97533    -39.48183   2014.697222
9/13/2014 21:00 2608.358764 1.83854382  3.163967753 34.87050646 1039.841076 59.97533    -39.48183   2014.7
9/13/2014 21:03 2571.051778 2.073876111 3.1833685   34.87381988 1039.643173 59.97533    -39.48183   2014.7
9/13/2014 21:06 2520.0315   2.334582222 3.204682722 34.87920389 1039.3818   59.97533    -39.48183   2014.7
9/13/2014 21:09 2469.559944 2.569326667 3.224910833 34.89808956 1039.136967 59.97533    -39.48183   2014.7
9/13/2014 21:12 2419.662011 2.67413743  3.23247419  34.90147888 1038.90175  59.97533    -39.48183   2014.7

我有很多数据。下面的代码是混乱的分裂，但我认为，天，因为过滤器将工作得更好

import os
import xarray as xr
import pandas as pd
import re, time, random 

data = '''Date          pressure    temperature          density
9/12/2014 9:00     170            4.0                1028
9/12/2014 10:00    368            4.2                1028.5
9/12/2014 11:00    368            4.2                1028.5'''
da = [[i for i in re.split("[ ][ ]+", l)] for l in data.split("\n")]
df2 = pd.DataFrame(da[1:], columns=da[0])
data='''Date        pressure      temperature           density
9/12/2014 9:00  177.859887      4.574663842         1028.477
9/12/2014 9:01  214.3598333     4.397781667         1028.66
9/12/2014 9:55  264.5863333     4.208137222         1028.905
9/12/2014 10:01  314.3161111     4.1242              1029.143
9/12/2014 10:02  363.8005587     4.02983352          1029.377'''
da = [[i for i in re.split("[ ][ ]+", l)] for l in data.split("\n")]
df1 = pd.DataFrame(da[1:], columns=da[0])

df1.index = pd.to_datetime(df1.Date, format="%d/%m/%Y %H:%M", utc=True)
df2.index = pd.to_datetime(df2.Date, format="%d/%m/%Y %H:%M", utc=True)
df3 = df1.join(df2.resample("1min").pad(), rsuffix="_hourly")
df3

那么，我如何将其转化为我上面的数据呢

要结束此操作，请执行以下操作：

---

这并不完全是您想要的，但可能会有所帮助

data = '''Date          pressure    temperature          density
9/12/2014        170            4.0                1028
9/13/2014     368            4.2                1028.5
9/14/2014    369            4.4                1030.5'''
da = [[i for i in re.split("[ ][ ]+", l)] for l in data.split("\n")]
df2 = pd.DataFrame(da[1:], columns=da[0])


data='''Date        pressure      temperature           density
9/12/2014 9:00  177.859887      4.574663842         1028.477
9/12/2014 9:01  214.3598333     4.397781667         1028.66
9/13/2014 9:55  264.5863333     4.208137222         1028.905
9/13/2014 10:01  314.3161111     4.1242              1029.143
9/14/2014 10:02  363.8005587     4.02983352          1029.377'''
da = [[i for i in re.split("[ ][ ]+", l)] for l in data.split("\n")]
df1 = pd.DataFrame(da[1:], columns=da[0])

df1['Date'] = pd.to_datetime(df1.Date)
df2['Date'] = pd.to_datetime(df2.Date)
df3 = pd.merge_asof(df1, df2.rename(columns={'Date':'date'}), left_on='Date', right_on='date', direction='nearest', suffixes=['_minute','_daily'])
df3['date'] = df3.date.dt.strftime("%m/%d/%Y")
df3['Date'] = df3.Date.dt.strftime("%m/%d/%Y %H:%M")

print(df3)

输出

               Date pressure_minute temperature_minute density_minute        date pressure_daily temperature_daily density_daily
0  09/12/2014 09:00  177.859887      4.574663842        1028.477       09/12/2014  170            4.0               1028        
1  09/12/2014 09:01  214.3598333     4.397781667        1028.66        09/12/2014  170            4.0               1028        
2  09/13/2014 09:55  264.5863333     4.208137222        1028.905       09/13/2014  368            4.2               1028.5      
3  09/13/2014 10:01  314.3161111     4.1242             1029.143       09/13/2014  368            4.2               1028.5      
4  09/14/2014 10:02  363.8005587     4.02983352         1029.377       09/14/2014  369            4.4               1030.5      

---

这并不完全是你想要的，但它可能会有所帮助

data = '''Date          pressure    temperature          density
9/12/2014        170            4.0                1028
9/13/2014     368            4.2                1028.5
9/14/2014    369            4.4                1030.5'''
da = [[i for i in re.split("[ ][ ]+", l)] for l in data.split("\n")]
df2 = pd.DataFrame(da[1:], columns=da[0])


data='''Date        pressure      temperature           density
9/12/2014 9:00  177.859887      4.574663842         1028.477
9/12/2014 9:01  214.3598333     4.397781667         1028.66
9/13/2014 9:55  264.5863333     4.208137222         1028.905
9/13/2014 10:01  314.3161111     4.1242              1029.143
9/14/2014 10:02  363.8005587     4.02983352          1029.377'''
da = [[i for i in re.split("[ ][ ]+", l)] for l in data.split("\n")]
df1 = pd.DataFrame(da[1:], columns=da[0])

df1['Date'] = pd.to_datetime(df1.Date)
df2['Date'] = pd.to_datetime(df2.Date)
df3 = pd.merge_asof(df1, df2.rename(columns={'Date':'date'}), left_on='Date', right_on='date', direction='nearest', suffixes=['_minute','_daily'])
df3['date'] = df3.date.dt.strftime("%m/%d/%Y")
df3['Date'] = df3.Date.dt.strftime("%m/%d/%Y %H:%M")

print(df3)

输出

               Date pressure_minute temperature_minute density_minute        date pressure_daily temperature_daily density_daily
0  09/12/2014 09:00  177.859887      4.574663842        1028.477       09/12/2014  170            4.0               1028        
1  09/12/2014 09:01  214.3598333     4.397781667        1028.66        09/12/2014  170            4.0               1028        
2  09/13/2014 09:55  264.5863333     4.208137222        1028.905       09/13/2014  368            4.2               1028.5      
3  09/13/2014 10:01  314.3161111     4.1242             1029.143       09/13/2014  368            4.2               1028.5      
4  09/14/2014 10:02  363.8005587     4.02983352         1029.377       09/14/2014  369            4.4               1030.5      

---

如果我理解正确，您希望将

每日平均数据

与

每日分钟数据

关联，对吗？是的，没错！我想用每日数据计算异常如果我理解正确，你想将

每日平均数据

与

每日分钟数据

关联，对吗？是的！我想用每日数据计算异常