将 hour_index 数据帧与 day_index 数据帧合并，并使用 day_index 数据帧中的相同值填充所有行答案

【问题标题】：Merge hour_index dataframe with day_index dataframe and fill all rows with same value from day_index dataframe将 hour_index 数据帧与 day_index 数据帧合并，并使用 day_index 数据帧中的相同值填充所有行
【发布时间】：2019-10-11 15:56:16
【问题描述】：

我目前有两个数据框，一个索引在 hour，另一个索引在 day.

df1
                      col1    col2   col3
datetime
2018-03-01 10:00       1        2      3
2018-03-01 11:00       1        2      3 
2018-03-01 12:00       1        2      3


df2
                col4      col5
datetime
2018-03-01       10        20 
2018-03-02       10        20 
2018-03-03       10        20

我想合并这两个数据框，以便我可以将来自 col4 和 col5 的值添加到 df1 上，但是 df1 上的所有行都填充有来自 df2 的相应值，而不仅仅是单行每天。

如果我在下面这样做：

df_merge=pd.merge(df1,df2, how='outer', left_index=True, right_index=True)

我明白了：

    df1
                      col1    col2   col3   col4   col5
datetime
2018-03-01 10:00       1        2      3     10      20
2018-03-01 11:00       1        2      3     NaN     NaN
2018-03-01 12:00       1        2      3     NaN     NaN...

有没有办法让我也用10 和20 填充NaN？所以2018-03-01 上的所有时间都应该用相同的值填充col4 和col5...

谢谢

【问题讨论】：

标签： pandas dataframe datetime merge

【解决方案1】：

您可以使用Series.dt.floor 并通过它与left_on 合并：

a = df1.index.floor('d')
df_merge=pd.merge(df1,df2, how='outer', left_on=a, right_index=True)
print (df_merge)
                         key_0  col1  col2  col3  col4  col5
datetime                                                    
2018-03-01 10:00:00 2018-03-01   1.0   2.0   3.0    10    20
2018-03-01 11:00:00 2018-03-01   1.0   2.0   3.0    10    20
2018-03-01 12:00:00 2018-03-01   1.0   2.0   3.0    10    20
2018-03-01 12:00:00 2018-03-02   NaN   NaN   NaN    10    20
2018-03-01 12:00:00 2018-03-03   NaN   NaN   NaN    10    20

如有必要，删除由日期时间填充的列：

a = df1.index.floor('d')
df_merge=pd.merge(df1,df2, how='outer', left_on=a, right_index=True).drop('key_0', 1)
print (df_merge)
                     col1  col2  col3  col4  col5
datetime                                         
2018-03-01 10:00:00   1.0   2.0   3.0    10    20
2018-03-01 11:00:00   1.0   2.0   3.0    10    20
2018-03-01 12:00:00   1.0   2.0   3.0    10    20
2018-03-01 12:00:00   NaN   NaN   NaN    10    20
2018-03-01 12:00:00   NaN   NaN   NaN    10    20

这里似乎还需要左连接：

a = df1.index.floor('d')
df_merge=pd.merge(df1,df2, how='left', left_on=a, right_index=True)
print (df_merge)

                     col1  col2  col3  col4  col5
datetime                                         
2018-03-01 10:00:00     1     2     3    10    20
2018-03-01 11:00:00     1     2     3    10    20
2018-03-01 12:00:00     1     2     3    10    20

【讨论】：