Python 从Pandas中的不同ts数据帧中选择数据

基本上，我只是希望能够将数据从另一个df1带到df2，使用df2+的索引作为选择标准

df1

df2

期望输出=Df2

              Ref   1d.Close 2d.Close 3d.Close
2005-09-07      1    1238.75  1247.75  1247.00
2005-09-08      2    1247.75  1247.00  1238.00
2005-09-09      3    1247.00  1238.00      NaN

这就是我尝试过的，请不要笑：

df2['date.value'] = df2.index  
df2['+1d.Date'] = df2['date.value'] + timedelta(1)
df2['1d.Close'] = df1['Close'].loc[df2['date.value']]

这种方法给了我NaN，但如果我使用：

df2['1d.Close'] = df1['Close'].loc[df2['2005-09-07']]  

这将为我提供1238.75，这对于示例的第一行是正确的。 但由于某种原因，它在公式中不起作用

最后说明：

df2上的日期并不总是连续的 timedelta的长度也是可变的，并不总是连续的。

---

感谢您的帮助

如果您要转换的时间总是1天、2天和3天，那么我要做的就是创建3个新的数据帧。每一个都是df1，只是指数移动了1、2和3天

df_1 = df
df_1.index = df_1.index + 1 #not sure if that is the right calculation

用+2和+3重复测向仪2和测向仪3

然后我将重命名每个数据帧的列，并删除无用的列

del df_1['Open']
del df_1['High']
del df_1['Low']
df_1.columns = ['d1Close']

对df_2和df_3再次重复上述步骤

然后合并：

Df2 = pd.merge(df2,df_1,how =  'left', left_index = True, right_index = True)

并对df_2和df_3重复上述操作，但对于这些操作，请使用pd.mergeDf2

此合并意味着一个左连接，您将保留来自df2的所有值，无论df_1表中是否有匹配项，您都将使用索引作为键在索引上进行合并

---

我想并不是所有这些都能很好地工作，但这就是我的想法

你尝试过pd.merge吗？@Inox我没有。现在我试试看。谢谢你的建议。你的想法不是很具体或准确，但它涵盖了你必须做的事情的要点。谢谢。很高兴这有帮助。正如我所说，并不是所有这些都能完美地工作，但这就是我的想法

del df_1['Open']
del df_1['High']
del df_1['Low']
df_1.columns = ['d1Close']

Df2 = pd.merge(df2,df_1,how =  'left', left_index = True, right_index = True)