Python 按顺序合并/复制两个数据集

我正在尝试使用pandas合并两个数据集。一个是位置（经度和纬度），另一个是时间范围（0到24小时，15分钟步长=96个数据点）

以下是示例代码：

s1 = pd.Series([1, 2, 3])
s2 = pd.Series([4, 5, 6])
df = pd.DataFrame([list(s1), list(s2)],  columns =  ["A", "B", "C"])

timeframe_array=[]
for i in range(0, 3600, timeframe):
    timeframe_array.append(i)

我想得到如下数据：

   A  B  C  time
0  1  2  3     0
1  1  2  3    15
2  1  2  3    30
3  1  2  3    45
...

---

如何获得这样的数据？

虽然不是特别优雅，但应该可以：

from __future__ import division  # only needed if you're using Python 2
import pandas as pd
from math import ceil

# Constants
timeframe = 15
total_t = 3600

创建

df1

：

s1 = [1, 2, 3]
s2 = [4, 5, 6]
df1 = pd.DataFrame([s1, s2], columns=['A', 'B', 'C'])

接下来，我们要构建

df2

，以便为

df1

中的每一行复制序列

0-3600

（步骤=15）。我们可以使用

df1.shape[0]

提取行数（在本例中为

2

）

接下来，您需要复制

df1

中的行以匹配

df2

factor = ceil(df2.shape[0] / df1.shape[0])
df1_f = pd.concat([df1] * factor).sort_index().reset_index(drop=True)

最后，将两个数据帧连接在一起并修剪掉多余的行

df3 = df1_f.join(df2, how='left')[:df2.shape[0]]

Pandas

可能有一种内置的方法来实现这一点，但据我所知，

join

和

merge

只能通过填充常量（默认情况下，

NaN

）来弥补行间的差异

---

结果:

>>> print(df3.head(4))

   A  B  C  time
0  1  2  3     0
1  1  2  3    15
2  1  2  3    30
3  1  2  3    45

>>> print(df3.tail(4))

     A  B  C  time
476  4  5  6  7140
477  4  5  6  7155
478  4  5  6  7170
479  4  5  6  7185

>>> df3.shape  # (480, 4)

---

“合并”是指左联合吗？如果是这样：

df1.join（df2，how='left'）

。谢谢，但是应该重复时间变量（0、15、30…）。很抱歉，我编辑了原始问题（因为它很难理解）。我仍然不确定你在找什么。是否要为

df

中的每一行复制时间0-3600（步长=15）？也就是说，最终数据帧的行总数为

240*2

=

480

是的，您是正确的。数据点的总数应为480

>>> print(df3.head(4))

   A  B  C  time
0  1  2  3     0
1  1  2  3    15
2  1  2  3    30
3  1  2  3    45

>>> print(df3.tail(4))

     A  B  C  time
476  4  5  6  7140
477  4  5  6  7155
478  4  5  6  7170
479  4  5  6  7185

>>> df3.shape  # (480, 4)