使用 numpy/pandas 按时间戳合并时间序列数据

Question

我有来自三个完全不同的传感器源的时间序列数据作为 CSV 文件，并希望将它们组合成一个大的 CSV 文件。 我已经设法使用 numpy 的 genfromtxt 将它们读入 numpy，但我不知道从这里做什么。

基本上，我所拥有的是这样的：

表 1：

timestamp    val_a   val_b   val_c

表 2：

timestamp    val_d   val_e   val_f   val_g

表 3：

timestamp    val_h   val_i

所有时间戳都是 UNIX 毫秒时间戳，如 numpy.uint64。

而我想要的是：

timestamp    val_a   val_b   val_c   val_d   val_e   val_f   val_g   val_h   val_i

...所有数据按时间戳组合和排序。这三个表中的每一个都已按时间戳排序。 由于数据来自不同的来源，因此不能保证表 1 中的时间戳也会在表 2 或表 3 中，反之亦然。在这种情况下，空值应标记为 N/A。

到目前为止，我已经尝试使用 pandas 来转换数据，如下所示：

df_sensor1 = pd.DataFrame(numpy_arr_sens1)
df_sensor2 = pd.DataFrame(numpy_arr_sens2)
df_sensor3 = pd.DataFrame(numpy_arr_sens3)

然后尝试使用 pandas.DataFrame.merge，但我很确定这不适用于我现在尝试做的事情。谁能指出我正确的方向？

Answer 1

我认为你可以简单地

• 将timestamp定义为每个DataFrame的index（使用set_index）
• 使用join 将它们与'outer' 方法合并
• 可选地将timestamp 转换为datetime

这是它的样子。

# generating some test data
timestamp = [1440540000, 1450540000]
df1 = pd.DataFrame(
    {'timestamp': timestamp, 'a': ['val_a', 'val2_a'], 'b': ['val_b', 'val2_b'], 'c': ['val_c', 'val2_c']})
# building a different index
timestamp = timestamp * np.random.randn(abs(1))
df2 = pd.DataFrame(
    {'timestamp': timestamp, 'd': ['val_d', 'val2_d'], 'e': ['val_e', 'val2_e'], 'f': ['val_f', 'val2_f'],
     'g': ['val_g', 'val2_g']}, index=index)
# keeping a value in common with the first index
timestamp = [1440540000, 1450560000]
df3 = pd.DataFrame({'timestamp': timestamp, 'h': ['val_h', 'val2_h'], 'i': ['val_i', 'val2_i']}, index=index)

# Setting the timestamp as the index
df1.set_index('timestamp', inplace=True)
df2.set_index('timestamp', inplace=True)
df3.set_index('timestamp', inplace=True)

# You can convert timestamps to dates but it's not mandatory I think
df1.index = pd.to_datetime(df1.index, unit='s')
df2.index = pd.to_datetime(df2.index, unit='s')
df3.index = pd.to_datetime(df3.index, unit='s')

# Just perform a join and that's it
result = df1.join(df2, how='outer').join(df3, how='outer')
result