Praca z danymi czasowymi

Pandas Joins dla użytkowników arkuszy kalkulacyjnych

John Miller

Principal Data Scientist

Łączenie za pomocą .merge_ordered()

łączenie szeregów czasowych bez wyniku

pd.merge_ordered(cleveland, dallas, on='Game_Date', 
                suffixes=['_CLE', '_DAL'])
Pandas Joins dla użytkowników arkuszy kalkulacyjnych

Łączenie za pomocą .merge_ordered()

łączenie szeregów czasowych

pd.merge_ordered(cleveland, dallas, on='Game_Date', 
                suffixes=['_CLE', '_DAL'])
Pandas Joins dla użytkowników arkuszy kalkulacyjnych

Interpolacja danych

interpolacja przy łączeniu

pd.merge_ordered(tc2, td2, on='Game_Date', 
                suffixes=['_CLE', '_DAL'], fill_method='ffill')
Pandas Joins dla użytkowników arkuszy kalkulacyjnych

Interpolacja danych

fgf

pd.merge_ordered(tc2, td2, on='Game_Date', 
                suffixes=['_CLE', '_DAL'], fill_method='ffill')
Pandas Joins dla użytkowników arkuszy kalkulacyjnych

Łączenie według najbliższej daty i czasu

  • pandas.merge_asof()
  • dopasowuje według najbliższej daty
  • podobne do VLOOKUP(range_lookup=TRUE)
pd.merge_asof(left_df, right_df,
              direction='backward')

Kierunki

  • "backward": najbliższa wcześniejsza data

  • "forward": najbliższa równa lub późniejsza data

  • "nearest": najbliższa data bez względu na kierunek

Pandas Joins dla użytkowników arkuszy kalkulacyjnych

Przykład merge_asof

merge_asof

pd.merge_asof(temps, impacts,
              left_on='Game_Date', right_index=True, direction='backward')
Pandas Joins dla użytkowników arkuszy kalkulacyjnych

Czas na ćwiczenia!

Pandas Joins dla użytkowników arkuszy kalkulacyjnych

Preparing Video For Download...