Python 如何使用不同的datetimeindex将值从一个数据帧填充到另一个数据帧
我有两个数据帧。一个是5分钟粒度(df1),另一个是按天索引(df2)。为了这个例子,一天的结束时间是7:10 df1: df2: 现在,我想从df2的“range”列中获取值,并将它们重复注入df1的一个新列中 应该是这样的:Python 如何使用不同的datetimeindex将值从一个数据帧填充到另一个数据帧,python,pandas,dataframe,Python,Pandas,Dataframe,我有两个数据帧。一个是5分钟粒度(df1),另一个是按天索引(df2)。为了这个例子,一天的结束时间是7:10 df1: df2: 现在,我想从df2的“range”列中获取值,并将它们重复注入df1的一个新列中 应该是这样的: Date Close range 2019-06-20 07:00:00 2927.25 115.0 2019-06-20 07:05:00 2927.00 115.0 2019-06-20 07:10:00 2
Date Close range
2019-06-20 07:00:00 2927.25 115.0
2019-06-20 07:05:00 2927.00 115.0
2019-06-20 07:10:00 2926.75 115.0
2019-06-21 07:00:00 2932.25 86.0
2019-06-21 07:05:00 2932.25 86.0
2019-06-21 07:10:00 2931.00 86.0
2019-06-24 07:00:00 2941.75 52.0
2019-06-24 07:05:00 2942.25 52.0
2019-06-24 07:10:00 2941.50 52.0
2019-06-25 07:00:00 2925.50 132.0
2019-06-25 07:05:00 2926.50 132.0
2019-06-25 07:10:00 2926.50 132.0
不幸的是,我不知道如何开始,这就是为什么没有“我的尝试”代码
如何执行此操作?首先将类似日期的列转换为日期时间序列:
df1['Date'] = pd.to_datetime(df1['Date'])
df2.index = pd.to_datetime(df2.index)
使用+将范围值从df2
映射到df1
:
df1['range'] = df1['Date'].dt.date.map(df2.set_index(df2.index.date)['range'])
或者也可以使用:
结果:
Date Close range
0 2019-06-20 07:00:00 2927.25 115.0
1 2019-06-20 07:05:00 2927.00 115.0
2 2019-06-20 07:10:00 2926.75 115.0
3 2019-06-21 07:00:00 2932.25 86.0
4 2019-06-21 07:05:00 2932.25 86.0
5 2019-06-21 07:10:00 2931.00 86.0
6 2019-06-24 07:00:00 2941.75 52.0
7 2019-06-24 07:05:00 2942.25 52.0
8 2019-06-24 07:10:00 2941.50 52.0
9 2019-06-25 07:00:00 2925.50 132.0
10 2019-06-25 07:05:00 2926.50 132.0
11 2019-06-25 07:10:00 2926.50 132.0
如果要进行循环,请执行以下操作:
for i in df2["Date"]:
for j in df1["Date"]:
if i==j:
df1['range'] = df2['range']
需要确保日期列是日期
将它们细化到日常粒度,以便它们在数据帧中保持一致
清理列
输出
Date Close range
2019-06-19 23:00:00+00:00 2927.25 115
2019-06-19 23:05:00+00:00 2927.00 115
2019-06-19 23:10:00+00:00 2926.75 115
2019-06-20 23:00:00+00:00 2932.25 86
2019-06-20 23:05:00+00:00 2932.25 86
2019-06-20 23:10:00+00:00 2931.00 86
2019-06-23 23:00:00+00:00 2941.75 52
2019-06-23 23:05:00+00:00 2942.25 52
2019-06-23 23:10:00+00:00 2941.50 52
2019-06-24 23:00:00+00:00 2925.50 132
2019-06-24 23:05:00+00:00 2926.50 132
2019-06-24 23:10:00+00:00 2926.50 132
作为一个建议,我可以说看看pandas中的merge函数,因为它看起来像是您所追求的:series.map
解决方案在range列中写入NaN值。DataFrame.merge
解决方案不起作用。错误:“'RangeIndex'对象没有属性'date'”@stanvooz您首先需要将日期列转换为pandas datetime系列。我这样做了,但随后数据帧看起来有点奇怪,我收到一条警告,此外,范围列还有NaN值:/opt/anaconda3/lib/python3.7/site packages/pandas/core/restrape/merge.py:617:UserWarning:不同级别之间的合并可能会产生意外结果(左侧1个级别,右侧2个级别)警告。warn(msg,UserWarning)
Date Close range
0 2019-06-20 07:00:00 2927.25 115.0
1 2019-06-20 07:05:00 2927.00 115.0
2 2019-06-20 07:10:00 2926.75 115.0
3 2019-06-21 07:00:00 2932.25 86.0
4 2019-06-21 07:05:00 2932.25 86.0
5 2019-06-21 07:10:00 2931.00 86.0
6 2019-06-24 07:00:00 2941.75 52.0
7 2019-06-24 07:05:00 2942.25 52.0
8 2019-06-24 07:10:00 2941.50 52.0
9 2019-06-25 07:00:00 2925.50 132.0
10 2019-06-25 07:05:00 2926.50 132.0
11 2019-06-25 07:10:00 2926.50 132.0
for i in df2["Date"]:
for j in df1["Date"]:
if i==j:
df1['range'] = df2['range']
df1 = pd.DataFrame({"Date":["2019-06-19T23:00:00.000Z","2019-06-19T23:05:00.000Z","2019-06-19T23:10:00.000Z","2019-06-20T23:00:00.000Z","2019-06-20T23:05:00.000Z","2019-06-20T23:10:00.000Z","2019-06-23T23:00:00.000Z","2019-06-23T23:05:00.000Z","2019-06-23T23:10:00.000Z","2019-06-24T23:00:00.000Z","2019-06-24T23:05:00.000Z","2019-06-24T23:10:00.000Z"],"Close":[2927.25,2927,2926.75,2932.25,2932.25,2931,2941.75,2942.25,2941.5,2925.5,2926.5,2926.5]})
df2 = pd.DataFrame({"Date":["2019-06-19T16:00:00.000Z","2019-06-20T16:00:00.000Z","2019-06-23T16:00:00.000Z","2019-06-24T16:00:00.000Z"],"range":[115,86,52,132]})
df1.Date = pd.to_datetime(df1.Date)
df2.Date = pd.to_datetime(df2.Date)
df1.assign(day=df1.Date.dt.floor("D"))\
.merge(df2.assign(day=df2.Date.dt.floor("D")), on="day")\
.drop(["day","Date_y"],1).rename({"Date_x":"Date"},axis=1)
Date Close range
2019-06-19 23:00:00+00:00 2927.25 115
2019-06-19 23:05:00+00:00 2927.00 115
2019-06-19 23:10:00+00:00 2926.75 115
2019-06-20 23:00:00+00:00 2932.25 86
2019-06-20 23:05:00+00:00 2932.25 86
2019-06-20 23:10:00+00:00 2931.00 86
2019-06-23 23:00:00+00:00 2941.75 52
2019-06-23 23:05:00+00:00 2942.25 52
2019-06-23 23:10:00+00:00 2941.50 52
2019-06-24 23:00:00+00:00 2925.50 132
2019-06-24 23:05:00+00:00 2926.50 132
2019-06-24 23:10:00+00:00 2926.50 132