我有两个数据框,每个数据框都有关于开始和结束时间事件的信息。问题是这两个数据帧有不同的开始和结束时间,因为它们测量的是不同的东西。小麦我想要做的是创造新的事件,其中包含两个信息。这些必须基于两个数据帧之间的任何分割进行分割。例如:熊猫在开始和结束时间加入两个数据帧不等于
数据框答:
Start End
2016-12-30 18:51:00 2016-12-30 19:37:00
2016-12-30 20:03:00 2016-12-30 20:11:00
2016-12-30 20:12:00 2016-12-30 21:02:00
2016-12-30 21:02:00 2016-12-30 21:04:00
2016-12-30 21:10:00 2016-12-30 21:12:00
2016-12-30 21:12:00 2016-12-30 21:32:00
数据帧B:
Start End
2016-12-30 18:33:45 2016-12-30 19:18:00
2016-12-30 19:18:00 2016-12-30 19:38:00
2016-12-30 19:38:00 2016-12-30 19:48:00
2016-12-30 19:48:00 2016-12-30 20:15:45
2016-12-30 20:15:45 2016-12-30 20:35:45
2016-12-30 20:35:45 2016-12-30 20:45:45
2016-12-30 20:45:45 2016-12-30 21:14:30
2016-12-30 21:14:30 2016-12-30 21:35:00
对于这些理想的输出将是:
Start End
2016-12-30 18:51:00 2016-12-30 19:18:00
2016-12-30 19:18:00 2016-12-30 19:37:00
2016-12-30 20:03:00 2016-12-30 20:11:00
2016-12-30 20:12:00 2016-12-30 20:15:45
2016-12-30 20:15:45 2016-12-30 20:35:45
2016-12-30 20:35:45 2016-12-30 20:45:45
2016-12-30 20:45:45 2016-12-30 21:12:00
2016-12-30 21:12:00 2016-12-30 21:14:30
2016-12-30 21:14:30 2016-12-30 21:32:00
有一对夫妇的方法,我知道这个怎么做。我可以将数据框分解为分钟级别并在几分钟内合并,但问题在于每个数据框都是200万行,这将是一个非常漫长的过程。
我也有SQL可以做到这一点,但是当我试图运行它时,它花了太长时间,DBA杀死了这个进程。
SQL的功能是:
select
a.UNIQUE_ID,
a,
b,
c,
d,
CASE WHEN B.START < A.START THEN A.START
ELSE B.START END START,
CASE WHEN B.END > A.END THEN A.END
ELSE B.END END END
from
(Select
UNIQUE_ID,
START,
END,
a,
b,
from table_1
)a
join
(
UNIQUE_ID,
Select
START,
END,
c,
d
from table_2) b
on 1=1
AND A.UNIQUE_ID = B.UNIQUE_ID
AND ((b.START between a.START and a.END)
or (b.end between a.START and a.END)
or (b.START < a.START and b.end > a.end)
or (a.START < b.START and a.end > b.end)
)
) a
这使得一排开始的每对组合,包含对于UNIQUE_ID至少一个相同分钟结束时间。然后它使用case语句将每行缩减为共享分钟。
我想不出一种有效的方式来使用Pandas在python中复制这个SQL。我在熊猫中唯一知道的合并函数必须具有相同的列进行合并,它们不能是像我使用的连接那样的范围。
是否有大熊猫一类合并的,我可以用做类似的东西:
AND ((b.START between a.START and a.END)
or (b.end between a.START and a.END)
or (b.START < a.START and b.end > a.end)
or (a.START < b.START and a.end > b.end)
)
我能想到的唯一的办法是遍历每行中的DF切片回另一个数据帧到只有在该行的DF b中具有分钟的行,然后在这两个片上合并,并将所有这些合并连接成一个新的DF,但这将花费很长时间。
任何帮助表示赞赏。
于是我找到了工作但是,这似乎还在起作用,但我仍然会听到任何人在大熊猫身上做出这样的回答。 我在做什么是使用软件包pandasql创建一个sqlite数据库的DF和执行SQL我知道的作品。这是一个非常漂亮的软件包。 – user6745154