Python 使用另一个数据帧列填充数据帧列
有两个数据帧,它们都有公共的Python 使用另一个数据帧列填充数据帧列,python,pandas,pandas-groupby,Python,Pandas,Pandas Groupby,有两个数据帧,它们都有公共的用户id。让我们把它们称为df_A和df_Bdf_B每个用户有一条记录df_A包含每个用户的多条记录,但每个用户都有一条记录NaN 德福阿 德福 目标是通过执行df_B.last_time-df_A.start_time在df_A中填充NaN,但仅针对NaN,同时使用正确的用户id匹配记录 逻辑上:应使用以下数据填写用户id421 NaN记录: 2015-10-2514:03:23-2015-10-2513:03:10 df_A.groupby('user_id').
用户id
。让我们把它们称为df_A
和df_B
df_B
每个用户有一条记录df_A
包含每个用户的多条记录,但每个用户都有一条记录NaN
德福阿
德福
目标是通过执行df_B.last_time-df_A.start_time
在df_A
中填充NaN
,但仅针对NaN
,同时使用正确的用户id
匹配记录
逻辑上:应使用以下数据填写用户id421 NaN
记录:
2015-10-2514:03:23-2015-10-2513:03:10
df_A.groupby('user_id').time_calc.fillna(df_B.last_time - df_A.time_calc.isnull['start_time'])
不幸的是,这不起作用 首先,使用
merge
作为第一步构建填充值映射器:
i = df_A[df_A.time_calc.isnull()].merge(df_B)
j = i['last_time'].sub(i['start_time']).dt.total_seconds() / 60
j.index = i.user_id
现在,做一个fillna
:
df_A['time_calc'] = df_A['time_calc'].fillna(df_A.user_id.map(j))
df_A
user_id start_time time_calc
0 421 2015-10-25 11:42:35 8.970000
1 421 2015-10-25 11:51:33 4.850000
2 421 2015-10-25 11:56:24 6.770000
3 421 2015-10-25 13:03:10 60.216667
4 493 2015-10-26 05:08:13 0.850000
5 493 2015-10-26 05:09:04 0.783333
6 636 2015-10-17 15:30:53 2.550000
7 636 2015-10-17 15:33:26 4.170000
8 636 2015-10-17 15:37:36 2.350000
9 636 2015-10-17 15:39:57 0.320000
10 636 2015-10-17 15:40:16 0.430000
11 636 2015-10-17 15:40:42 0.650000
12 636 2015-10-17 15:41:21 24754.550000
时间计算中的时间单位是多少?小时?天ᴏʟᴅsᴘᴇᴇᴅ
dt.total_seconds.div(60)
所以应该在几分钟内这是我的假设,在你的问题中没有看到任何类似的提示,所以我想问;-)@寒冷的速度v是什么?不应该是b df_b和df吗_a@Null-假设谢谢,这是一个输入错误。@COLDSPEED抱歉,我尝试了一年,但我得到了一个错误,'jump'命令需要行号…@Null假设我肯定不能识别错误消息。也许你在j.index=i.user_id
之后不小心复制了这些内容?@COLDSPEED我输入的没有复制:),但Hillary发现了这个问题j
是python调试器中的保留代码:)
i = df_A[df_A.time_calc.isnull()].merge(df_B)
j = i['last_time'].sub(i['start_time']).dt.total_seconds() / 60
j.index = i.user_id
j
user_id
421 60.216667
493 0.783333
636 24754.550000
dtype: float64
df_A['time_calc'] = df_A['time_calc'].fillna(df_A.user_id.map(j))
df_A
user_id start_time time_calc
0 421 2015-10-25 11:42:35 8.970000
1 421 2015-10-25 11:51:33 4.850000
2 421 2015-10-25 11:56:24 6.770000
3 421 2015-10-25 13:03:10 60.216667
4 493 2015-10-26 05:08:13 0.850000
5 493 2015-10-26 05:09:04 0.783333
6 636 2015-10-17 15:30:53 2.550000
7 636 2015-10-17 15:33:26 4.170000
8 636 2015-10-17 15:37:36 2.350000
9 636 2015-10-17 15:39:57 0.320000
10 636 2015-10-17 15:40:16 0.430000
11 636 2015-10-17 15:40:42 0.650000
12 636 2015-10-17 15:41:21 24754.550000