在Python Pandas中，如何在一个datetime列上连接另一个由periodindex索引的数据帧？

Question

我有两个数据帧，df1，df2。在

df1有一列“date”，即datetime。df2由periodidex（时间段，而不是时间戳）索引。在

我希望我能以某种方式连接这两个数据帧，这样，对于df1的每一行，我将为df1['date']所属的periodindex选择的行（在df2中）添加df2的所有列。在

我希望这个问题足够清楚。我想我可以手动做一些循环来完成，但是如果有一种更有效的方法，使用一些pandas方法，我会非常感激的。在

提前谢谢！在

以下是df2的第一列，数据帧由一个称为“cuatrimestre”的周期索引索引：

                  dif_precio_vivienda  dif_rendimiento_ibex  \
cuatrimestre                                              
1995Q1                        NaN                   NaN   
1995Q2                   0.000000             -2.940238   
1995Q3                   0.007233             -0.500118   
1995Q4                   0.026514              0.535169   
1996Q1                  -0.009417             -0.171129 

下面是df1的第一列：

^{pr2}$

您可以看到索引是不同的，但是它有一个datetime列（'fecha'），我想在periodix上加入这个列。。。在

Answer 1

我想您可以先在DataFrames中的year和{}创建列DataFrames，在{}和{a3}中，通过df2中的^{}转换成{}。然后您可以按列year和{}对它们进行^{}：

#if type of column fecha is to datetime, convert it
df1['fecha'] = pd.to_datetime(df1['fecha'])
df1['year'] = df1['fecha'].dt.year
df1['quarter'] = df1['fecha'].dt.quarter
print df1
           fecha  municipioid   latitud  longitud  numbanyo  numdormitorio  \
25138 2014-02-12         4353  0.705444 -0.064720       1.0            1.0   
25144 2014-05-06         4353  0.705444 -0.064720       1.0            1.0   
25185 2014-01-02         4353  0.705349 -0.064618       1.0            1.0   
25186 2014-02-12         4353  0.705353 -0.064620       1.0            1.0   
25201 2014-07-07         4353  0.705314 -0.064610       1.0            3.0   

       year  quarter  
25138  2014        1  
25144  2014        2  
25185  2014        1  
25186  2014        1  
25201  2014        3  

df2 = df2.reset_index()
df2[['year','quarter']] = df2['cuatrimestre'].str.split('Q', expand=True)
df2['year'] = df2['year'].astype(int)
df2['quarter'] = df2['quarter'].astype(int)
print df2
  cuatrimestre  dif_precio_vivienda  dif_rendimiento_ibex  year  quarter
0       2014Q1                  NaN                   NaN  2014        1
1       2014Q2             0.000000             -2.940238  2014        2
2       1995Q3             0.007233             -0.500118  1995        3
3       1995Q4             0.026514              0.535169  1995        4
4       1996Q1            -0.009417             -0.171129  1996        1

^{pr2}$