Python-Pandas-合并两个具有不同时间戳频率的数据帧

我有两个数据帧： -第一个有一个带有第二个或亚秒时间步长的时间戳列， -第二个有一个带有1分钟时间步长的timestamp列

现在很明显，如果数据时间间隔相同，两个数据帧的大小将不同，因为它们的数据频率不同

我希望使用更高频率（即最长）的数据帧将它们合并到一个数据帧中，并将另一个数据帧（水平）放在其旁边，以获得当前时间戳的正确数据。这意味着最低频率的数据帧数据将根据当前分钟数据值进行重复

我希望下面的例子能让事情变得更清楚：

数据帧1

|--------------------------|------------------|
|        datetime          |     ValueDF1     |
|--------------------------|------------------|
| 2019-12-11 12:00:16.599  |       1          |
|--------------------------|------------------|
| 2019-12-11 12:00:16.17   |       2          |
|--------------------------|------------------|
| 2019-12-11 12:00:17.11   |       3          |
|--------------------------|------------------|

数据帧2

|--------------------------|------------------|
|        datetime          |     ValueDF2     |
|--------------------------|------------------|
| 2019-12-11 12:00         |       4          |
|--------------------------|------------------|

合并

|--------------------------|------------------|-----------------|
|        datetime          |     ValueDF1     |    ValueDF2     |
|--------------------------|------------------|-----------------|
| 2019-12-11 12:00:16.599  |       1          |        4        |    
|--------------------------|------------------|-----------------|
| 2019-12-11 12:00:16.17   |       2          |        4        |
|--------------------------|------------------|-----------------|
| 2019-12-11 12:00:17.11   |       3          |        4        |
|--------------------------|------------------|-----------------|

---

有什么建议吗？提前感谢。

假设“datetime”列都是datetime格式，我们可以将df1[“datetime”]从秒数中去掉，并使用此新字段进行合并

df1['datetime_min'] = pd.to_datetime([dt.datetime.strftime(d, "%Y-%m-%d %H:%M") for d in df1["datetime"]])

df1.merge(df2,left_on='datetime_min', right_on='datetime', how='left')

---

这对您有用吗？

您是否检查了

pd.merge\u asof（）

。希望这有助于：

pd.merge_asof(df1.sort_values('datetime'), df2.sort_values('datetime'))

输出：

                 datetime  ValueDF1  ValueDF2
0 2019-12-11 12:00:16.170         2         4
1 2019-12-11 12:00:16.599         1         4
2 2019-12-11 12:00:17.110         3         4