我有两个 pandas DataFrame:
数据帧a
2013-03-25 13:15:00 1
2013-03-26 13:15:00 2
2013-03-28 13:15:00 4
2013-03-29 13:15:00 5
和数据帧b
2013-03-25 13:15:00 25
2013-03-27 13:15:00 15
2013-03-28 13:15:00 5
2013-03-29 13:15:00 10
我正在尝试加入日期并向前填充值。现在我正在这样做:
ab = pd.concat([a, b], axis=1)
ab.fillna(method='ffill', inplace=True)
a = ab.ix[:,0]
b = ab.ix[:,1]
所以,ab
是
2013-03-25 13:15:00 1 25
2013-03-26 13:15:00 2 NaN
2013-03-27 13:15:00 NaN 15
2013-03-28 13:15:00 4 5
2013-03-29 13:15:00 5 10
然后
2013-03-25 13:15:00 1 25
2013-03-26 13:15:00 2 25
2013-03-27 13:15:00 2 15
2013-03-28 13:15:00 4 5
2013-03-29 13:15:00 5 10
这有两个缺点。首先,a
和 b
现在是系列。其次,该解决方案不适用于多列 DataFrame。是否可以只对 a
和 b
就地执行此操作,而不需要越过 ab
。这似乎是一个相当标准的过程。我错过了什么?
编辑:
a.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 4 entries, 2013-03-25 13:15:00 to 2013-03-29 13:15:00
Data columns (total 1 columns):
icap 4 non-null float64
dtypes: float64(1)
memory usage: 64.0 bytes
b
等效。
最佳答案
我认为在你的情况下使用 combine_first
与 ffill
结合将为您提供您想要的:
In [46]:
a.combine_first(b).ffill()
Out[46]:
a b
index
2013-03-25 13:15:00 1 25
2013-03-26 13:15:00 2 25
2013-03-27 13:15:00 2 15
2013-03-28 13:15:00 4 5
2013-03-29 13:15:00 5 10
这将连接并对齐采用两个 dfs 并集的索引,这将引入 NaN
值,您可以使用 ffill
填充该值
从上面的结果中,您可以只分配回感兴趣的列,而且看起来您真正想要的是使用索引的并集重新索引:
In [48]:
a.reindex(a.index.union(b.index)).ffill()
Out[48]:
a
index
2013-03-25 13:15:00 1
2013-03-26 13:15:00 2
2013-03-27 13:15:00 2
2013-03-28 13:15:00 4
2013-03-29 13:15:00 5
因此您可以对两个 dfs 执行此操作,而无需执行任何合并/组合
关于python - 连接 DataFrame 的日期时间并转发填充数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31969365/