我有两个数据框:
dfA
,包含数千行温度数据。每个温度值都链接到从不同对象测量的timeID
值(1, 2, 3, ..., n),因此存在重复的时间 IDdfB
包含标识每个时间 ID 的标签。这些标签是正确的日期/时间 (date
) 值
现在,我想在 dfA
中创建一个新列,其中包含与正确 timeID
相对应的正确日期
值。我怎样才能实现这个目标?
以下是我拥有的几行数据集,作为示例:
dfA = pd.DataFrame({'timeID': ['1', '2', '3','2','3','4'], 'temp': ['4.5', '5.1', '4.0','-2.3','3.9','-1.1']})
dfB = pd.DataFrame(pd.date_range('6/24/2013', periods=6, freq='10Min'))
seq = pd.Series(range(1, 7)).to_frame()
dfB = pd.concat([seq,dfB],axis=1)
dfB.columns = ['timeID','date']
dfB.set_index('timeID',inplace=True)
print(dfA)
print(dfB)
dfA 的输出是:
| temp timeID
+-----------------
| 0 4.5 1
| 1 5.1 2
| 2 4.0 3
| 3 -2.3 2
| 4 3.9 3
| 5 -1.1 4
dfB 的输出为:
| date
| timeID
+----------------------------
| 1 2013-06-24 00:00:00
| 2 2013-06-24 00:10:00
| 3 2013-06-24 00:20:00
| 4 2013-06-24 00:30:00
| 5 2013-06-24 00:40:00
| 6 2013-06-24 00:50:00
最佳答案
首先,您需要确保两个 DF 中的 timeID
列具有相同的数据类型,然后您可以使用 map()方法:
In [78]: dfA['date'] = dfA['timeID'].astype(dfB.index.dtype).map(dfB['date'])
In [79]: dfA
Out[79]:
temp timeID date
0 4.5 1 2013-06-24 00:00:00
1 5.1 2 2013-06-24 00:10:00
2 4.0 3 2013-06-24 00:20:00
3 -2.3 2 2013-06-24 00:10:00
4 3.9 3 2013-06-24 00:20:00
5 -1.1 4 2013-06-24 00:30:00
将 timeID
dtype 转换为较小的 DF 也是有意义的,因为它会更快(更有效),所以如果 dfB
较小,我会这样做:
In [82]: dfB.index = dfB.index.astype(str)
In [84]: dfA['date'] = dfA['timeID'].map(dfB['date'])
In [85]: dfA
Out[85]:
temp timeID date
0 4.5 1 2013-06-24 00:00:00
1 5.1 2 2013-06-24 00:10:00
2 4.0 3 2013-06-24 00:20:00
3 -2.3 2 2013-06-24 00:10:00
4 3.9 3 2013-06-24 00:20:00
5 -1.1 4 2013-06-24 00:30:00
关于Python Pandas : create new column based on category values from another dataframe,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38784330/