我想知道如何加快两个数据框的合并速度。其中一个数据框具有时间戳数据点(
另一个具有时间间隔信息(
value
列)。import pandas as pd
import numpy as np
data = pd.DataFrame({'time':np.sort(np.random.uniform(0,100,size=50)),
'value':np.random.uniform(-1,1,size=50)})
另一个具有时间间隔信息(
start_time
,end_time
和相关的interval_id
)。intervals = pd.DataFrame({'interval_id':np.arange(9),
'start_time':np.random.uniform(0,5,size=9) + np.arange(0,90,10),
'end_time':np.random.uniform(5,10,size=9) + np.arange(0,90,10)})
我希望能够比下面的for
循环更高效地合并这两个数据框:
data['interval_id'] = np.nan
for index, ser in intervals.iterrows():
in_interval = (data['time'] >= ser['start_time']) & \
(data['time'] <= ser['end_time'])
data['interval_id'][in_interval] = ser['interval_id']
result = data.merge(intervals, how='outer').sort('time').reset_index(drop=True)
我一直在想象能够使用pandas 时间序列功能,比如日期范围或TimeGrouper,但我还没有找到比上面更pythonic(pandas-y?)的东西。
time value interval_id start_time end_time
0 0.575976 0.022727 NaN NaN NaN
1 4.607545 0.222568 0 3.618715 8.294847
2 5.179350 0.438052 0 3.618715 8.294847
3 11.069956 0.641269 1 10.301728 19.870283
4 12.387854 0.344192 1 10.301728 19.870283
5 18.889691 0.582946 1 10.301728 19.870283
6 20.850469 -0.027436 NaN NaN NaN
7 23.199618 0.731316 2 21.488868 28.968338
8 26.631284 0.570647 2 21.488868 28.968338
9 26.996397 0.597035 2 21.488868 28.968338
10 28.601867 -0.131712 2 21.488868 28.968338
11 28.660986 0.710856 2 21.488868 28.968338
12 28.875395 -0.355208 2 21.488868 28.968338
13 28.959320 -0.430759 2 21.488868 28.968338
14 29.702800 -0.554742 NaN NaN NaN
希望有时间序列方面经验的人能提出建议,非常感谢。
在Jeff的回答之后更新:
主要问题是interval_id
与任何常规时间间隔没有关系(例如,间隔不总是大约10秒)。一个间隔可能是10秒,下一个可能是2秒,下一个可能是100秒,因此我无法使用任何常规的舍入方案,就像Jeff建议的那样。不幸的是,我上面的最小示例没有表明这一点。