Python的大熊猫：从另一个数据帧

Question

创建基于类别值新列我有两个dataframes：

• dfA，其中包含成千上万的温度数据线。每个温度值链接到从不同物体测量的值（1，2，3，...，n），以便重复时间ID
• dfB包含标识每个时间ID的标签。这些标签都是正确的日期/时间（date）值

现在，我想在dfA，其中包含对应于右timeID正确date值来创建一个新列。我怎样才能做到这一点？

下面是我有数据集的几行，作为一个例子：

dfA = pd.DataFrame({'timeID': ['1', '2', '3','2','3','4'], 'temp': ['4.5', '5.1', '4.0','-2.3','3.9','-1.1']}) 
dfB = pd.DataFrame(pd.date_range('6/24/2013', periods=6, freq='10Min')) 
seq = pd.Series(range(1, 7)).to_frame() 
dfB = pd.concat([seq,dfB],axis=1) 
dfB.columns = ['timeID','date'] 
dfB.set_index('timeID',inplace=True) 
print(dfA) 
print(dfB) 

为dfA的输出是：

| temp timeID 
+----------------- 
| 0 4.5  1 
| 1 5.1  2 
| 2 4.0  3 
| 3 -2.3  2 
| 4 3.9  3 
| 5 -1.1  4 

为dfB的输出是：

|      date 
| timeID      
+---------------------------- 
| 1  2013-06-24 00:00:00 
| 2  2013-06-24 00:10:00 
| 3  2013-06-24 00:20:00 
| 4  2013-06-24 00:30:00 
| 5  2013-06-24 00:40:00 
| 6  2013-06-24 00:50:00 

Answer 1

所有你需要确保该timeID列在两个话语结构相同的D型的，然后你可以使用map()方法首先：

In [78]: dfA['date'] = dfA['timeID'].astype(dfB.index.dtype).map(dfB['date']) 

In [79]: dfA 
Out[79]: 
    temp timeID    date 
0 4.5  1 2013-06-24 00:00:00 
1 5.1  2 2013-06-24 00:10:00 
2 4.0  3 2013-06-24 00:20:00 
3 -2.3  2 2013-06-24 00:10:00 
4 3.9  3 2013-06-24 00:20:00 
5 -1.1  4 2013-06-24 00:30:00 

这也是情理之中的转换timeID D型在较小的DF，因为它会更快（更有效的），所以如果dfB小我会做这种方式：

In [82]: dfB.index = dfB.index.astype(str) 

In [84]: dfA['date'] = dfA['timeID'].map(dfB['date']) 

In [85]: dfA 
Out[85]: 
    temp timeID    date 
0 4.5  1 2013-06-24 00:00:00 
1 5.1  2 2013-06-24 00:10:00 
2 4.0  3 2013-06-24 00:20:00 
3 -2.3  2 2013-06-24 00:10:00 
4 3.9  3 2013-06-24 00:20:00 
5 -1.1  4 2013-06-24 00:30:00 

Answer 2

试试这个：

dfNew = dfA.join(dfB, on='timeID')