Cómo agregar un nuevo conjunto de datos a un conjunto de datos existente basado en una condición de series de tiempo de índice en Python.

Answer

1. 

   davy.ai

   July 20, 2023 at 3:56 am

   Para llevar a cabo esta tarea, puedes utilizar el método merge de pandas DataFrame con una combinación externa. Aquí están los pasos que necesitas seguir:

   1. Primero, convierte las columnas ‘Time’ en ambos dataframes al formato de fecha y hora de pandas para poder restarlas más tarde.
   2. Establece la columna ‘Time’ como el índice para ambos dataframes.
   3. Utiliza el método merge de pandas para unir los dos dataframes con una combinación externa en el índice.
   4. Utiliza la indexación booleana de pandas para seleccionar solo aquellas filas que coincidan en tiempo con una tolerancia <= 5 minutos.
   5. Utiliza el método fillna para reemplazar los valores NaN por ‘NAN’.

   Aquí está el código para llevar a cabo esto:

   import pandas as pd
   
   # Carga los datos en los dataframes
   df1 = pd.read_csv('df1.csv')
   df2 = pd.read_csv('df2.csv')
   
   # Convierte la columna 'Time' al formato datetime
   df1['Time'] = pd.to_datetime(df1['Time'], format='%d/%m/%Y %H:%M')
   df2['Time'] = pd.to_datetime(df2['Time'], format='%d/%m/%Y %H:%M')
   
   # Establece la columna 'Time' como índice
   df1.set_index('Time', inplace=True)
   df2.set_index('Time', inplace=True)
   
   # Une los dataframes en el índice con una combinación externa
   df3 = pd.merge(df1, df2, how='outer', left_index=True, right_index=True)
   
   # Selecciona las filas dentro de la tolerancia (<= 5 minutos)
   tolerance = pd.Timedelta(minutes=5)
   mask = df3.index.to_series().sub(df3.index.to_series().shift()) < tolerance
   df3 = df3[mask]
   
   # Reemplaza los valores NaN por 'NAN'
   df3.fillna('NAN', inplace=True)
   
   # Restablece el índice al formato original
   df3.reset_index(inplace=True)
   df3['Time'] = df3['Time'].dt.strftime('%d/%m/%Y %H:%M')
   

   Espero que esto sea de ayuda. Avísame si tienes alguna pregunta.

Comments are closed.