我有2个Pandas数据框。 其中之一具有[2262 rows x 6 columns]并且具有以下结构:-数据帧名称为df_sat

Date.       Col1.   Col2.......   Col6
2017-08-26  numeric values in these columns
2017-08-31
....
2018-10-30
2018-11-09

另一个数据帧具有间隔为10分钟的时间戳,形状为[30000x105]具有以下结构

DateTime.   Col1.  Col2.......... Col105
2017-08-26 00:00:00.  numeric values in these columns
2017-08-31 00:10:00
...
2018-11-01 15:50:00

我想基于它们共享的日期将这两个数据框合并在一起,并且在两个日期都没有相同的日期的情况下(因为df_sat的间隔较小),可以考虑合并前一个日期。

预期的输出是

DateTime.   Col1.  Col2.......... Col105               Col1-6 from df_sat
2017-08-27 00:00:00.  numeric values in these columns   Use 2017-08-26
2017-08-27 00:10:00                                     Use 2017-08-26
...
2018-10-31 15:50:00                                     Use 2018-10-30

  ask by CodeForJoy translate from so

本文未有回复,本站智能推荐:

1回复

将事件数据帧重新采样为10分钟间隔并计算事件

我有一个熊猫数据框,显示了一些发生的事件的信息。 像这样是basicall 我想重新采样这个数据帧,使得时间戳为10薄荷分离,并且事件计数在10薄荷间隔内发生。 我希望这样的东西作为输出 我刚刚给出了一个占位符时间戳而不是Timestamp列中的实际输出。 实际上应该有10
2回复

带有python本机日期时间类型而不是时间戳的pandas to_dict

我有一个pandas DataFrame df包含Timesatamp列。 我希望从df创建一个行迭代器(通过iter..方法或通过to_dict ),其中Timesatamp值是 python datetime 。 我试过这样做 但是,在使用上述迭代器方法时,列似乎仍然是Timesatam
2回复

有没有办法根据熊猫数据框中另一列的值获取日期时间范围?

我确定这个问题描述性不够,但这就是我要找的。 我的数据框中有 3 列。 两个是日期时间,另一个是包含 1 或 0 的浮点数。它是一个状态列,1 表示打开 0 显然表示关闭。 我需要找出状态为 0 和 1 时是否能够获得不同的时间范围。 我可以用熊猫来做这个,还是我需要尝试其他的东西? 来自数据帧的
1回复

识别熊猫数据框中的重叠事件(日期时间记录)

我在尝试检测数据集中重叠的start_datetime和end_datetime时遇到了困难。 目前我的数据集如下所示 但我试图去 生成数据集的原始代码 有没有一种方法(有效或低效)来检测重叠而不对列进行排序?
2回复

如何通过熊猫的星期几开始按日期时间列分组

我有以下数据框: 我需要按每周的开始日期按transaction_date列进行分组,例如,对于2017年Jan-23至2017年Jan-23之间的所有交易,应为Jan-23因此基本上我需要一个新列“ first_day_week”来显示开始时间交易发生在一周的哪一天。
5回复

如何在列名称为日期时间数据类型的数据框中选择列?

我有以下示例表: 如何选择特定年份或月份的所有列? 例如,我在 2000 年尝试了以下操作 但有一个关键错误 谢谢!
1回复

pandas 数据框中 YYYYMMDDHHMMSS 的日期

我的数据框包含一个 IGN_DATE 列,其中值的格式为 20080727142700,格式为 YYYYMMDDHHMMSS。 列类型是 float64。 如何获得时间、日期(没有 00:00:00)、日、月的单独列。 我试过的: 列名IGN_DATE数据IGN_DATE - df 日
1回复

使用新日期作为预测扩展多索引数据框

注意:我已经按照 Stackoverflow 的说明如何创建 MRE 并按照指示将 MRE 粘贴到“代码块”中(即,将其粘贴到正文中,然后在突出显示时按 Ctrl+K)。 如果我仍然没有正确执行,请告诉我。 回到问题:假设我现在在日期 (df['DT']) 和 ID (df['ID']) 中都有一