我有兩種數(shù)據(jù)，一種是數(shù)據(jù)幀，一種是現(xiàn)在許多列表包含有關(guān)圖像采集時間的數(shù)據(jù)，因此數(shù)據(jù)如下所示：pandas 數(shù)據(jù)框（日期和時間為 23/6 -04/07，每天 07:00-17:00）：>>>timestamp date hour person_1 person_2 ............0 2019-06-23 07:00:00 2019-06-23 07:00:00 0.124 0.4311 2019-06-23 07:03:00 2019-06-23 07:03:00 0.131 0.4382 2019-06-23 07:06:00 2019-06-23 07:06:00 0.154 0.4333 2019-06-23 07:09:00 2019-06-23 07:09:00 0.164 0.441....2 2019-07-04 16:57:00 2019-07-04 16:57:00 0.864 0.6753 2019-07-04 17:00:00 2019-07-04 17:00:00 0.823 0.631每張圖像拍攝的時間以列表的格式（“小時”一詞后面的數(shù)字代表日期）：#Hours that the image was takenHours23=['07:00','08:00','09:32','10:14','11:15','12:17','13:03','14:41','15:04','17:05']Hours24=['07:00','08:13','09:02','10:09','11:02','12:03','14:09','16:00','17:00']Hours25=['08:15','09:02','10:02','11:02','12:02','14:02','15:02','16:00','17:00']...Hours3=['07:00','08:02','09:02','10:02','11:02','12:02','13:03','14:03','15:02','16:01','17:00']Hours4=['07:15','08:02','12:02','13:03']我想根據(jù)這些小時列表選擇數(shù)據(jù)框中的行，例如，選擇最接近圖像的小時的行。例如，對于 23/6，圖像的第一個小時是 07:00，然后是 08:00，然后是 09:32...所以我想在我的數(shù)據(jù)框中僅包含該時間最接近的行到圖像小時。我看到有多種方法可以過濾它，正如這里提到的（在 Pandas 中查找最接近給定時間的 DataFrame 行），但我想考慮到每個日期都有不同的時間這一事實(shí)。所以結(jié)果應(yīng)該是這樣的：>>>timestamp date hour person_1 person_2 ............0 2019-06-23 07:00:00 2019-06-23 07:00:00 0.124 0.4311 2019-06-23 08:01:00 2019-06-23 07:00:00 0.108 0.3701 2019-06-23 09:32:00 2019-06-23 07:00:00 0.101 0.360...
1 回答
蝴蝶不菲
TA貢獻(xiàn)1810條經(jīng)驗(yàn) 獲得超4個贊
您的時間列表不是一種理想的格式，因此我將向您展示一個日期的方法，其中數(shù)據(jù)框h23是手動構(gòu)建的。如果需要，您可以對其進(jìn)行編碼以構(gòu)建一個包含所有時間的數(shù)據(jù)框。
基本前提是制作一個數(shù)據(jù)框h23，例如包含照片的所有時間戳。使用它與 df 時間戳合并，使用pd.merge_asof它可以進(jìn)行最接近的時間匹配。 nearest意味著實(shí)際時間可以是之前或之后，但是如果時間需要是事件之前的最近時間，則還有 和 的backward選項(xiàng)。forward
import pandas as pd
df = pd.DataFrame({'timestamp': {0: '2019-06-23 07:00:00',
1: '2019-06-23 07:03:00',
2: '2019-06-23 07:06:00',
3: '2019-06-23 07:09:00'},
'date': {0: '2019-06-23', 1: '2019-06-23', 2: '2019-06-23', 3: '2019-06-23'},
'hour': {0: '07:00:00', 1: '07:03:00', 2: '07:06:00', 3: '07:09:00'},
'person_1': {0: 0.124, 1: 0.131, 2: 0.154, 3: 0.16399999999999998},
'person_2': {0: 0.431, 1: 0.43799999999999994, 2: 0.433, 3: 0.441}})
df['timestamp'] = pd.to_datetime(df['timestamp'])
Hours23=['07:00','08:00','09:32','10:14','11:15','12:17','13:03','14:41','15:04','17:05']
h23 = pd.DataFrame({'Time':Hours23, 'Day':'2019-06-23'})
h23['timestamp'] = pd.to_datetime(h23['Day'] + " " + h23['Time'])
pd.merge_asof(h23,df, on='timestamp', direction='nearest').drop(columns=['Day','Time'])
輸出
timestamp date hour person_1 person_2
0 2019-06-23 07:00:00 2019-06-23 07:00:00 0.124 0.431
1 2019-06-23 08:00:00 2019-06-23 07:09:00 0.164 0.441
2 2019-06-23 09:32:00 2019-06-23 07:09:00 0.164 0.441
3 2019-06-23 10:14:00 2019-06-23 07:09:00 0.164 0.441
4 2019-06-23 11:15:00 2019-06-23 07:09:00 0.164 0.441
5 2019-06-23 12:17:00 2019-06-23 07:09:00 0.164 0.441
6 2019-06-23 13:03:00 2019-06-23 07:09:00 0.164 0.441
7 2019-06-23 14:41:00 2019-06-23 07:09:00 0.164 0.441
8 2019-06-23 15:04:00 2019-06-23 07:09:00 0.164 0.441
9 2019-06-23 17:05:00 2019-06-23 07:09:00 0.164 0.441
添加回答
舉報(bào)
0/150
提交
取消