使用python中具有唯一ID的另一个帧从另一个具有重复ID的数据帧中查找值

Question

我真的陷入了这个问题，不知道如何解决。 我有两个数据框，一个是湿度，它的数据每 15 分钟报告一次。 我有三种不同的传感器用于报告。 因此，该表包括报告的 ID、日期和时间。 这是：

df_h = pd.DataFrame({'id_h': {0: 1, 1: 1, 2: 2, 3: 2, 4: 3, 5: 3}, 'date': {0: '2021-01-01', 1: '2021-01-01', 2: '2021-01-01', 3: '2021-01-01', 4: '2021-01-01', 5: '2021-01-01'}, 'time_hour': {0: '6:00:00', 1: '6:15:00', 2: '6:00:00', 3: '6:15:00', 4: '6:00:00', 5: '6:15:00'}, 'VALUE': {0: 10, 1: 12, 2: 20, 3: 22, 4: 30, 5: 32}})

   id_h        date time_hour  VALUE
0     1  2021-01-01   6:00:00     10
1     1  2021-01-01   6:15:00     12
2     2  2021-01-01   6:00:00     20
3     2  2021-01-01   6:15:00     22
4     3  2021-01-01   6:00:00     30
5     3  2021-01-01   6:15:00     32

使用以下代码，我可以将其数据粘贴在一起，并且对于每个 id，我每天都有湿度。

humidity_sticked = df_h.pivot(index=["id_h", "date"], columns="time_hour", values="VALUE")
humidity_sticked.columns = [f"value_{i+1}" for i in range(humidity_sticked.shape[1])]
humidity_sticked  =humidity_sticked.reset_index()

As we can see, we have a table with three rows and two columns.

另外，我还有一张显示温度的表格。 但是，天气中心的 id 是不同的。 例如，对于 id_h（湿度的 id）= 1、2，我们只有 id_t（温度的 id）= 5 。 所以，我们有完全相同的温度表，但由于 id 不同，我不能创建与湿度相同的棒表。 这是温度表：

df_t = pd.DataFrame({'id_t': {0: 5, 1: 5, 2: 5, 3: 5, 4: 7}, 'date': {0: '2021-01-01', 1: '2021-01-01', 2: '2021-01-01', 3: '2021-01-01', 4: '2021-01-01'}, 'time_hour': {0: '6:00:00', 1: '6:15:00', 2: '6:00:00', 3: '6:15:00', 4: '6:00:00'}, 'VALUE': {0: -1, 1: -8, 2: -2, 3: -9, 4: -3}})

   id_t        date time_hour  VALUE
0     5  2021-01-01   6:00:00     -1
1     5  2021-01-01   6:15:00     -8
2     5  2021-01-01   6:00:00     -2
3     5  2021-01-01   6:15:00     -9
4     7  2021-01-01   6:00:00     -3

当我想保留 id_t=5 的值时，出现错误。 我想要的期望输出是：

解释：对于 id_h=1,2，我们有两个 5。因此，对于前两行，我们认为是 1，后两行是 id=2，最后两行是 id=3，即 id_t=7。

任何帮助都可以救我！谢谢

更新：我已经使用了索引合并，但是，当我在一个数据框中缺少值时（例如对于特定日期，在 6:00 时我有湿度，但我没有温度）。 结果是错误的。 这是索引合并的结果，我们可以看到时间不一样，但它把它们都放在了一行。

Answer 1

df_t['rank'] = df_t.id_t.rank(method='dense')
df_h['rank'] = df_h.id_h.rank(method='dense')
df = df_t.merge(df_h, on=['rank', 'date', 'time_hour'], suffixes=['_1', '_2'])
print(df)

输出：

   id_t        date time_hour  VALUE_1  rank  id_h  VALUE_2
0     5  2021-01-01   6:00:00       -1   1.0     1       10
1     5  2021-01-01   6:00:00       -2   1.0     1       10
2     5  2021-01-01   6:15:00       -8   1.0     1       12
3     5  2021-01-01   6:15:00       -9   1.0     1       12
4     7  2021-01-01   6:00:00       -3   2.0     2       20

Answer 2

您可以按index使用pd.merge 。 这种方式是制作“粘贴数据框”的捷径。

pd.merge(df_t, df_h, left_index=True, right_index=True, suffixes=['_t', '_h'])

输出：

 id_t      date_t time_hour_t  VALUE_t  id_h      date_h time_hour_h  \
0     5  2021-01-01     6:00:00       -1     1  2021-01-01     6:00:00   
1     5  2021-01-01     6:15:00       -8     1  2021-01-01     6:15:00   
2     5  2021-01-01     6:00:00       -2     2  2021-01-01     6:00:00   
3     5  2021-01-01     6:15:00       -9     2  2021-01-01     6:15:00   
4     7  2021-01-01     6:00:00       -3     3  2021-01-01     6:00:00   

   VALUE_h  
0       10  
1       12  
2       20  
3       22  
4       30  

上面的输出包含无用的列，因此您可以合并df_t和df_h[only you need to merge] ，如下所示：

pd.merge(df_t, df_h[['id_h','VALUE']], left_index=True, right_index=True, suffixes=['_t', '_h'])

输出：

   id_t        date time_hour  VALUE_t  id_h  VALUE_h
0     5  2021-01-01   6:00:00       -1     1       10
1     5  2021-01-01   6:15:00       -8     1       12
2     5  2021-01-01   6:00:00       -2     2       20
3     5  2021-01-01   6:15:00       -9     2       22
4     7  2021-01-01   6:00:00       -3     3       30

这是您想要的最简单的方法。