python - 有没有办法创建关系熊猫数据框？

Question

由于错误地填充了位掩码数据框，我正在努力将我的 pandas df 转换为我需要的格式。

我有许多数据框：

plot_d1_sw1- 这是从 .csv 读取的

            timestamp  switchID    deviceID  count
0 2019-05-01 07:00:00         1  GTEC122277      1
1 2019-05-01 08:00:00         1  GTEC122277      1
3 2019-05-01 10:00:00         1  GTEC122277      3

d1_sw1- 这是过去 12 小时，取决于数据是否出现在filt

             timestamp    num
0  2019-05-01 12:00:00  False
1  2019-05-01 11:00:00  False
2  2019-05-01 10:00:00   True
3  2019-05-01 09:00:00  False
4  2019-05-01 08:00:00   True
5  2019-05-01 07:00:00   True
6  2019-05-01 06:00:00  False
7  2019-05-01 05:00:00  False
8  2019-05-01 04:00:00  False
9  2019-05-01 03:00:00  False
10 2019-05-01 02:00:00  False
11 2019-05-01 01:00:00  False

我已经尝试使用以下方法掩盖这一点并将计数列拉入任何True值：

mask_d1_sw1 = d1_sw1.num == False
d1_sw1.loc[mask_d1_sw1, column_name] = 0

i=0
for row in plot_d1_sw1.itertuples():
    mask_d1_sw1 = d1_sw1.num == True
    d1_sw1.loc[mask_d1_sw1, column_name] = plot_d1_sw1['count'].values[i]
    print(d1_sw1)
    i = i + 1

这给了我：

             timestamp  num
0  2019-05-01 12:00:00    0
1  2019-05-01 11:00:00    0
2  2019-05-01 10:00:00    3
3  2019-05-01 09:00:00    0
4  2019-05-01 08:00:00    3
5  2019-05-01 07:00:00    3
6  2019-05-01 06:00:00    0
7  2019-05-01 05:00:00    0
8  2019-05-01 04:00:00    0
9  2019-05-01 03:00:00    0
10 2019-05-01 02:00:00    0
11 2019-05-01 01:00:00    0

...我知道这是因为我正在遍历count列，plot_d1_sw1但我一生无法弄清楚如何在逻辑上填写它以获得结果：

             timestamp  num
0  2019-05-01 12:00:00    0
1  2019-05-01 11:00:00    0
2  2019-05-01 10:00:00    3
3  2019-05-01 09:00:00    0
4  2019-05-01 08:00:00    1
5  2019-05-01 07:00:00    1
6  2019-05-01 06:00:00    0
7  2019-05-01 05:00:00    0
8  2019-05-01 04:00:00    0
9  2019-05-01 03:00:00    0
10 2019-05-01 02:00:00    0
11 2019-05-01 01:00:00    0

我怎样才能达到这个结果？

标签： pythonpandasbitmask

Answer 1

一种方法是merge在时间戳上，然后将布尔值乘以count：

df = d1_sw1.merge(plot_d1_sw1, how='left', on='timestamp')
df['num'] = df.num.mul(df['count'].fillna(0)).astype(int)
df[['timestamp', 'num']]

这使：

         timestamp        num
0   2019-05-01-12:00:00    0
1   2019-05-01-11:00:00    0
2   2019-05-01-10:00:00    3
3   2019-05-01-09:00:00    0
4   2019-05-01-08:00:00    1
5   2019-05-01-07:00:00    1
6   2019-05-01-06:00:00    0
7   2019-05-01-05:00:00    0
8   2019-05-01-04:00:00    0
9   2019-05-01-03:00:00    0
10  2019-05-01-02:00:00    0
11  2019-05-01-01:00:00    0