问题描述
嗨,我需要将一些时间序列数据与最近的时间戳对齐,因此我认为pandas.merge_asof
可能是一个不错的选择。但是,它没有像标准how='outer'
方法那样设置merge
的选项。
一个例子可以是:
df1:
Value1
Time
2020-07-17 14:25:03.535906075 108
2020-07-17 14:25:05.457247019 110
2020-07-17 14:25:07.467777014 126
df2:
Value2
Time
2020-07-17 14:25:03.535018921 222
2020-07-17 14:25:04.545104980 150
2020-07-17 14:25:07.476825953 60
然后例如,执行此merge_asof
:
pd.merge_asof(df1,df2,left_index=True,right_index=True,direction='nearest',tolerance=pd.timedelta('0.3s'))
结果将是:
Value1 Value2
Time
2020-07-17 14:25:03.535906075 108 222.0
2020-07-17 14:25:05.457247019 110 NaN
2020-07-17 14:25:07.467777014 126 60.0
但是我想要的是:
Value1 Value2
Time
2020-07-17 14:25:03.535906075 108 222.0
2020-07-17 14:25:04.545104980 NaN 150.0 <---- this is the difference
2020-07-17 14:25:05.457247019 110 NaN
2020-07-17 14:25:07.467777014 126 60.0
基本上就像一个完整的外部联接。
有什么建议吗?预先感谢。
编辑:
因此,这是2个数据帧的情况。例如,如果有10个数据帧(即df1,...,df10
)需要进行此“最近”合并,那将是一个好方法吗?
解决方法
- 不幸的是,
how
中没有pd.merge_asof
中的pd.merge
参数,否则您可以简单地传递how='outer'
。 - 作为一种解决方法,您可以手动
append
另一个数据框中的不匹配值 - 然后,用
.sort_index()
对索引进行排序
df3 = pd.merge_asof(df1,df2,left_index=True,right_index=True,direction='nearest',tolerance=pd.Timedelta('0.3s'))
df4 = pd.merge_asof(df2,df1,tolerance=pd.Timedelta('0.3s'))
df5 = df3.append(df4[df4['Value1'].isnull()]).sort_index()
df5
Out[1]:
Value1 Value2
Time
2020-07-17 14:25:03.535906075 108.0 222.0
2020-07-17 14:25:04.545104980 NaN 150.0
2020-07-17 14:25:05.457247019 110.0 NaN
2020-07-17 14:25:07.467777014 126.0 60.0
,
这似乎很简单,但没有直接解决方案。有一个选项可以再次合并以引入缺少的行:
# enumerate the rows of `df2` to later identify which are missing
df2 = df2.reset_index().assign(idx=np.arange(df2.shape[0]))
(pd.merge_asof(df1.reset_index(),df2[['Time','idx']],on='Time',tolerance=pd.Timedelta('0.3s'))
.merge(df2,on='idx',how='outer') # merge back on row number
.assign(Time=lambda x: x['Time_x'].fillna(x['Time_y'])) # fill the time
.set_index(['Time']) # set index back
.drop(['Time_x','Time_y','idx'],axis=1)
.sort_index()
)
Value1 Value2
Time
2020-07-17 14:25:03.535906075 108.0 222.0
2020-07-17 14:25:04.545104980 NaN 150.0
2020-07-17 14:25:05.457247019 110.0 NaN
2020-07-17 14:25:07.467777014 126.0 60.0