私は2つのデータフレームを持ち、どちらも不規則な間隔のミリ秒のタイムスタンプ列を含んでいます。ここでの目標は、一致する行ごとに、1)最初のタイムスタンプが常に2番目のタイムスタンプより小さいか等しいこと、2)一致したタイムスタンプが1)を満たすタイムスタンプのすべてのペアで最も近いことです。pandas.merge:最も近いタイムスタンプと一致する> =タイムスタンプのシリーズ
pandas.mergeでこれを行う方法はありますか?
私は2つのデータフレームを持ち、どちらも不規則な間隔のミリ秒のタイムスタンプ列を含んでいます。ここでの目標は、一致する行ごとに、1)最初のタイムスタンプが常に2番目のタイムスタンプより小さいか等しいこと、2)一致したタイムスタンプが1)を満たすタイムスタンプのすべてのペアで最も近いことです。pandas.merge:最も近いタイムスタンプと一致する> =タイムスタンプのシリーズ
pandas.mergeでこれを行う方法はありますか?
merge()
が参加し、この種の操作を行うことはできませんが、searchsorted()
使用することができます。t1
、t2
は、昇順にあります:
import pandas as pd
import numpy as np
np.random.seed(0)
base = np.array(["2013-01-01 00:00:00"], "datetime64[ns]")
a = (np.random.rand(30)*1000000*1000).astype(np.int64)*1000000
t1 = base + a
t1.sort()
b = (np.random.rand(10)*1000000*1000).astype(np.int64)*1000000
t2 = base + b
t2.sort()
コールsearchsorted()
見つけること
は、いくつかのランダムなタイムスタンプを作成します。 t2
の各値のt1
のインデックス:
idx = np.searchsorted(t1, t2) - 1
mask = idx >= 0
df = pd.DataFrame({"t1":t1[idx][mask], "t2":t2[mask]})
ここで
が出力される。
t1 t2
0 2013-01-02 06:49:13.287000 2013-01-03 16:29:15.612000
1 2013-01-05 16:33:07.211000 2013-01-05 21:42:30.332000
2 2013-01-07 04:47:24.561000 2013-01-07 04:53:53.948000
3 2013-01-07 14:26:03.376000 2013-01-07 17:01:35.722000
4 2013-01-07 14:26:03.376000 2013-01-07 18:22:13.996000
5 2013-01-07 14:26:03.376000 2013-01-07 18:33:55.497000
6 2013-01-08 02:24:54.113000 2013-01-08 12:23:40.299000
7 2013-01-08 21:39:49.366000 2013-01-09 14:03:53.689000
8 2013-01-11 08:06:36.638000 2013-01-11 13:09:08.078000
グラフにより、この結果を表示する:
import pylab as pl
pl.figure(figsize=(18, 4))
pl.vlines(pd.Series(t1), 0, 1, colors="g", lw=1)
pl.vlines(df.t1, 0.3, 0.7, colors="r", lw=2)
pl.vlines(df.t2, 0.3, 0.7, colors="b", lw=2)
pl.margins(0.02)
出力:
緑の線はt1
あり、青い線は、t2
あります赤い線はt2
ごとにt1
から選択されます。
私はHYRYとは異なる方法を使用:
このすべては数行で記述することができます:ここでは
df=pd.merge(df0, df1, on='Date', how='outer')
df=df.sort(['Date'], ascending=[1])
headertofill=list(df1.columns.values)
df[headertofill]=df[headertofill].fillna(method='pad')
df=df[pd.isnull(df[var_from_df0_only])==False]
は、より簡単で一般的な方法です。
# data and signal are want we want to merge
keys = ['channel', 'timestamp'] # Could be simply ['timestamp']
index = data.loc[keys].set_index(keys).index # Make index from columns to merge on
padded = signal.reindex(index, method='pad') # Key step -- reindex with filling
joined = data.join(padded, on=keys) # Join to data if needed
パンダは今まさにやっ機能merge_asof
を持っているこの
あなたは – Pigeon
が何であるかをvar_from_df0_only定義していないハイピジョン、あなたは元のデータフレーム(DF0)に維持し、それを豊かにしたい倍の大半別のもの(df1)。外部結合を使用すると、df1からいくつかの余分な行があるので、それらを削除するには、df0にある1つの列を使用しますが、df1( "var_from_df0_only"外部結合には余分な行のためのヌル値があります。 – Yaron
Pandas sort()は推奨されていません。代わりにsort_values()を使用する必要があります –