我有一个包含 2 张表格的 excel 文件。
包含数据的一张表:
DATE TMAX TMIN
20110706 317 211
20110707 322 211
20110708 317 211
20110709 322 211
20110710 328 222
20110711 333 244
20110712 356 250
20110713 356 222
另一张纸包括:
Start Date End Date Rep Month Cost kWh kW
7/6/2011 8/3/2011 July 5,065.17 76,640 205
8/3/2011 9/7/2011 August 5,572.38 86,640 195
我的目标是根据第一页上的日期是否在某个 kWh 范围内,从第二页开始在第一页(kwh)上写另一列。
举个例子:
DATE TMAX TMIN kWh
20110706 317 211 76640
20110707 322 211 76640
20110708 317 211 76640
20110709 322 211 76640
20110710 328 222 76640
20110711 333 244 76640
20110712 356 250 76640
20110713 356 222 76640
20110801 344 228 76640
20110802 356 200 76640
20110803 367 200 86640
20110804 361 228 86640
我无法弄清楚如何进行某种算法解析以实现我正在尝试做的事情。
我已经熟悉如何使用 pandas 写入文件和读取文件/单元格。
这是我的代码:
import pandas as pd
from pandas import ExcelWriter
df = pd.read_excel("thecddhddtest.xlsx",'Sheet1')
df2 = pd.read_excel("thecddhddtest.xlsx",'Sheet2')
df.head()
df["DATE"] = pd.to_datetime(df["DATE"], format="%Y%m%d")
pd.to_datetime(df2["Start Date"], format="%m/%d/%Y")
df3 = df2.set_index("Start Date")
df3["kWh"].reindex(df["DATE"], method="ffill")
df["kWh"] = df3["kWh"].reindex(df["DATE"], method="ffill")
print(df["kWh"])
writer = ExcelWriter('thecddhddtestkWh.xlsx')
df.to_excel(writer,'Sheet1',index=False)
df2.to_excel(writer,'Sheet2',index=False)
writer.save()
结果是:
DATE TMAX TMIN kWh
20110706 317 211
20110707 322 211
20110708 317 211
20110709 322 211
20110710 328 222
20110711 333 244
20110712 356 250
20110713 356 222
kWh 电池由于某种原因为空
请您参考如下方法:
将日期列解析为 pandas Timestamps/numpy datetime64 至关重要。最好的方法是使用带有格式的 to_datetime。
In [11]: df
Out[11]:
DATE TMAX TMIN
0 20110706 317 211
1 20110707 322 211
2 20110708 317 211
3 20110709 322 211
4 20110710 328 222
5 20110711 333 244
6 20110712 356 250
7 20110713 356 222
8 20110801 344 228
9 20110802 356 200
10 20110803 367 200
11 20110804 361 228
In [12]: df["DATE"] = pd.to_datetime(df["DATE"], format="%Y%m%d")
In [13]: df
Out[13]:
DATE TMAX TMIN
0 2011-07-06 317 211
1 2011-07-07 322 211
2 2011-07-08 317 211
3 2011-07-09 322 211
4 2011-07-10 328 222
5 2011-07-11 333 244
6 2011-07-12 356 250
7 2011-07-13 356 222
8 2011-08-01 344 228
9 2011-08-02 356 200
10 2011-08-03 367 200
11 2011-08-04 361 228
同样(格式不同):
In [14]: pd.to_datetime(df2["Start Date"], format="%m/%d/%Y")
Out[14]:
0 2011-07-06
1 2011-08-03
Name: Start Date, dtype: datetime64[ns]
现在,第一个观察结果是,如果周期不是相互排斥的,这就没有意义。这意味着我们只需要考虑开始日期*。
这意味着您可以重新索引秒表,向前填充,然后就完成了:
In [21]: df3 = df2.set_index("Start Date")
In [22]: df3
Out[22]:
End Date Rep Month Cost kWh kW
Start Date
2011-07-06 8/3/2011 July 5,065.17 76,640 205
2011-08-03 9/7/2011 August 5,572.38 86,640 195
这允许您根据 DataFrame 中的日期重新编制索引:
In [23]: df3["kWh"].reindex(df["DATE"], method="ffill")
Out[23]:
DATE
2011-07-06 76,640
2011-07-07 76,640
2011-07-08 76,640
2011-07-09 76,640
2011-07-10 76,640
2011-07-11 76,640
2011-07-12 76,640
2011-07-13 76,640
2011-08-01 76,640
2011-08-02 76,640
2011-08-03 86,640
2011-08-04 86,640
Name: kWh, dtype: object
并将其设置为 df 中的列。
In [24]: df["kWh"] = df3["kWh"].reindex(df["DATE"], method="ffill")
*如果有一些“空”时间段,我们可以在一些 NaN 行中添加相应的“空”开始日期。
