我有两个数据框:
dfA
,其中包含数千行温度数据。每个温度值都链接到timeID
从不同对象测得的值(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,我想在中创建一个新列dfA
,其中包含date
与right对应的正确值timeID
。我怎样才能做到这一点?
以下是我拥有的数据集的几行,例如:
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)
输出为dfA
:
| 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
输出为dfB
:
| 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
首先,您需要确保timeID
两个DF中的列都具有相同的dtype,然后可以使用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
timeID
在较小的DF中转换dtype也很有意义,因为它将更快(更有效),因此,如果dfB
较小的话,我可以这样进行:
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
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句