Comment joindre des DataFrames avec des plages date/heure qui se chevauchent à l'aide de l'indexation par intervalles ?-Tutoriel Python-php.cn

Comment joindre des DataFrames avec des plages date/heure qui se chevauchent à l'aide de l'indexation par intervalles ?

Barbara Streisand

Libérer： 2024-12-15 16:16:15

original

113 Les gens l'ont consulté

How to Join DataFrames with Overlapping Datetime Ranges Using Interval Indexing?

Joindre des trames de données avec des plages qui se chevauchent à l'aide de l'indexation par intervalles

Étant donné deux trames de données, df_1 et df_2, avec une colonne commune qui représente une plage date/heure, notre objectif est de les rejoindre en utilisant une condition spécifique : les valeurs de la colonne datetime de df_1 doivent se situer dans les plages spécifiées dans df_2.

df_1

  timestamp              A          B
0 2016-05-14 10:54:33    0.020228   0.026572
1 2016-05-14 10:54:34    0.057780   0.175499
2 2016-05-14 10:54:35    0.098808   0.620986
3 2016-05-14 10:54:36    0.158789   1.014819
4 2016-05-14 10:54:39    0.038129   2.384590


df_2

  start                end                  event    
0 2016-05-14 10:54:31  2016-05-14 10:54:33  E1
1 2016-05-14 10:54:34  2016-05-14 10:54:37  E2
2 2016-05-14 10:54:38  2016-05-14 10:54:42  E3

Copier après la connexion

Solution :

Nous pouvons utiliser l'indexation par intervalles pour y parvenir. L'indexation par intervalles crée des groupes basés sur les plages spécifiées dans df_2 et attribue des étiquettes aux horodatages dans df_1 qui appartiennent à ces groupes.

import pandas as pd

# Convert start and end columns to IntervalIndex
df_2.index = pd.IntervalIndex.from_arrays(df_2['start'], df_2['end'], closed='both')

# Get the event associated with each timestamp in df_1
df_1['event'] = df_1['timestamp'].apply(lambda x: df_2.iloc[df_2.index.get_loc(x)]['event'])

Copier après la connexion

Sortie :

            timestamp         A         B event
0 2016-05-14 10:54:33  0.020228  0.026572    E1
1 2016-05-14 10:54:34  0.057780  0.175499    E2
2 2016-05-14 10:54:35  0.098808  0.620986    E2
3 2016-05-14 10:54:36  0.158789  1.014819    E2
4 2016-05-14 10:54:39  0.038129  2.384590    E3

Copier après la connexion

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!