如何在Python中连接2个数据帧并在结果中保留NAN？

我有一个数据帧，它缺少数据的时间索引，我希望将其上采样到15分钟的间隔，并在上采样点保持NAN。你知道怎么做吗？其思想是用正确的timeseries索引构建一个空数据帧，然后用好的值填充它们。 以下是一个玩具数据集示例：

将熊猫作为pd导入
df_数据={“A”：{“150322700000”：0.3，“15032286000”：0.64，“1503232200000”：0.54，“1503234000000”：0.7，“1503237600000”：0.78}，“B”：{“150322700000”：0.46，“150322860000”：0.52，“1503232200000”：0.54，“1503234000000”：0.58，“1503237600000”：0.58}，“C”：{“150322700000”：0.04，“150322600000”：0.04，“150323400000”：150320000；“323400000”：15076000:“15076000”：15076000:”D:“15076000:”{"1503227700000":0.0,"1503228600000":0.0,"1503232200000":0.0,"1503234000000":0.0,"1503237600000":0.0}}'
左
出[1]：
A、B、C、D
2017-08-20 11:15:00  0.30  0.46  0.04  0
2017-08-20 11:30:00  0.64  0.52  0.04  0
2017-08-20 12:30:00  0.54  0.54  0.00  0
2017-08-20 13:00:00  0.70  0.58  0.10  0
2017-08-20 14:00:00  0.78  0.58  0.00  0
时间参考=pd.日期范围（开始时间=2017-08-20 11:15:00'，结束时间=2017-08-20 14:00:00'，频率=15分钟）
df_right=pd.DataFrame（索引=time_ref，列=['A'，'B'，'C'，'D']）
对
出[54]：
A、B、C、D
2017-08-20 11:15:00楠楠
2017-08-20 11:30:00楠楠
2017-08-20 11:45:00楠楠
2017-08-20 12:00:00楠楠
2017-08-20 12:15:00楠楠
2017-08-20 12:30:00楠楠
2017-08-20 12:45:00楠楠
2017-08-20 13:00:00楠楠
2017-08-20 13:15:00楠楠
2017-08-20 13:30:00楠楠
2017-08-20 13:45:00楠楠
2017-08-20 14:00:00楠楠

我想加入这些，这样我就有了这样一个数据帧：

df_data_join='{“A”：{“150322770000”：0.30，“150322860000”：0.64，“1503229500000”：null，“1503230400000”：null，“1503231300000”：null，“1503232200000”：0.54，“1503233100000”：null，“1503234000000”：0.70，“1503234900000”：null，“1503235800000”：null，“1503236700000”：null，“1503237600000”：0.78}，“B”：{“150322770000”：0.46，“150322600000”：0:0.52，”1503229500000:null，“1503230400000”：null，“1503231300000”：null，“1503232200000”：0.54，“1503233100000”：null，“1503234000000”：0.58，“1503234900000”：null，“1503235800000”：null，“1503236700000”：null，“1503237600000”：0.58}，“C”：{“150322700000”：0.04，“150322860000”：0.04，“15032229500000”：null，“1503230400000”：null，“1503231300000”：null1503232200000:0.00，“1503233100000”：空，“1503234000000”：0.10，“1503234900000”：空，“1503235800000”：空，“1503236700000”：空，“1503237600000”：0.00}，“D”：{“150322700000”：0，“150322860000”：0，“15032229500000”：空，“1503230400000”：空，“1503231300000”：空，“1503232200000”：0，“1503233100000”：空，“1503234000000”：0，“1503234900000”：空1503235800000:null，“1503236700000”：null，“1503237600000”：0}
df_join=pd.read_json（df_data_join）
df_连接
出[10]：
A、B、C、D
2017-08-20 11:15:00  0.30  0.46  0.04  0.0
2017-08-20 11:30:00  0.64  0.52  0.04  0.0
2017-08-20 11:45:00楠楠
2017-08-20 12:00:00楠楠
2017-08-20 12:15:00楠楠
2017-08-20 12:30:00  0.54  0.54  0.00  0.0
2017-08-20 12:45:00楠楠
2017-08-20 13:00:00  0.70  0.58  0.10  0.0
2017-08-20 13:15:00楠楠
2017-08-20 13:30:00楠楠
2017-08-20 13:45:00楠楠
2017-08-20 14:00:00  0.78  0.58  0.00  0.0

我尝试过合并、合并、替换、插值、上采样，但都没有达到目的。我需要数据帧中的NaN，以便在以后的处理中确定数据未填充的位置

非常感谢您的帮助。

您可以直接在缺少时间索引的数据上使用，例如：

print (pd.read_json(df_data).resample('15T').asfreq())
                       A     B     C    D
2017-08-20 11:15:00  0.30  0.46  0.04  0.0
2017-08-20 11:30:00  0.64  0.52  0.04  0.0
2017-08-20 11:45:00   NaN   NaN   NaN  NaN
2017-08-20 12:00:00   NaN   NaN   NaN  NaN
2017-08-20 12:15:00   NaN   NaN   NaN  NaN
2017-08-20 12:30:00  0.54  0.54  0.00  0.0
2017-08-20 12:45:00   NaN   NaN   NaN  NaN
2017-08-20 13:00:00  0.70  0.58  0.10  0.0
2017-08-20 13:15:00   NaN   NaN   NaN  NaN
2017-08-20 13:30:00   NaN   NaN   NaN  NaN
2017-08-20 13:45:00   NaN   NaN   NaN  NaN
2017-08-20 14:00:00  0.78  0.58  0.00  0.0

---

如果你绝对想使用

df_right

，那么使用

df_left

也可以使用

df_right。fillna（df_left）

哦，我的上帝……多么优雅。非常感谢。