如何在 Pandas 中结合每日数据和每月数据？答案

【问题标题】：How to combine daily data with monthly data in Pandas?如何在 Pandas 中结合每日数据和每月数据？
【发布时间】：2018-07-08 09:36:36
【问题描述】：

我有每日数据，也有每月数据。我想按月数对每日数据进行标准化 - 例如，2017 年的前 31 天都除以另一个数据集中对应于 2017 年 1 月的数字。

import pandas as pd
import datetime as dt

N=100
start=dt.datetime(2017,1,1)
df_daily=pd.DataFrame({"a":range(N)}, index=pd.date_range(start, start+dt.timedelta(N-1)))

df_monthly=pd.Series([1, 2, 3], index=pd.PeriodIndex(["2017-1", "2017-2", "2017-3"], freq="M"))

df_daily["a"] / df_monthly # ???

我希望时间序列数据能够以一对多的方式对齐并执行所需的操作，但我得到了很多 NaN。

如何在 Pandas 中正确地进行这种一对多数据对齐？

我可能还想连接数据，在这种情况下，我希望每月数据在一个月内重复值。

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以使用to_period('M') 提取信息，然后使用map。

df_daily["month"] = df_daily.index.to_period('M')
df_daily['a'] / df_daily["month"].map(df_monthly)

无需创建month 列，您可以使用

df_daily['a'] / df_daily.index.to_period('M').to_series().map(df_monthly)

【讨论】：

【解决方案2】：

您可以从索引的月份创建一个临时键，然后合并键上的两个数据框，即

df_monthly = df_monthly.to_frame().assign(key=df_monthly.index.month)
df_daily = df_daily.assign(key=df_daily.index.month)

df_new = df_daily.merge(df_monthly,how='left').set_index(df_daily.index).drop('key',1)

            a    0
2017-01-01  0  1.0
2017-01-02  1  1.0
2017-01-03  2  1.0
2017-01-04  3  1.0
2017-01-05  4  1.0

对于除法，你可以简单地做：

df_new['b'] = df_new['a'] / df_new[0]

【讨论】：