Python按时间间隔（R）合并数据数据表模仿？）

Question

我正在学习python，有一个关于按时间集成数据帧的问题。例如，假设我有两个独立的数据帧，时间间隔不规则，但按研究id分组。我希望将两个小时内的行连接起来。你知道吗

以前，我用过数据表用R包装。下面是这个代码的一个例子。你知道吗

df_new <- df1[df2, on="Study_ID", allow.cartesian=T][difftime(`date_df1`, `date_df2`, units="hours") <= 2 & difftime(`date_df1`, `date_df2`, units="hours") >= - 2] 

然后，对于每个数据帧，此代码绑定每个实例中日期在2小时之内的实例。我想看看有没有类似的python代码？理想情况下，我希望合并这些行，以便可以找到在测量之前或之后2小时内出现的测量之间的最大值。你知道吗

有什么想法吗？谢谢您！你知道吗

编辑：数据帧示例

    ID   Date           HeartRate
    1    4/1/2019 04:13     56
    1    4/2/2019 05:30     45
    1    4/3/2019 22:10     61
    2    4/3/2019 23:13     62
    2    4/5/2019 15:10     67

    df2
    ID   Date             Weight
     1    4/1/2019 06:10     112
     1    4/2/2019 02:30     114
     1    4/3/2019 21:10     112.5
     2    4/3/2019 23:10     113
     2    4/4/2019 00:00     114

    Output (this is what I would love!)
    ID   Date(blood pressure)  HeartRate   Date(weight)   Weight
    1    4/1/2019 4:13            56       4/1/2019 06:10   112
    1    4/3/2019 22:10           61       4/3/2019 21:10   112.5
    2    4/3/2019 23:13           62       4/3/2019 23:10   113
    2    4/3/2019 23:13           62       4/4/2019 00:00   114

在本例中，每个日期框中的第二行被删除，因为这些度量值在2小时内没有一对。但是df1中显示的第二行到最后一行重复，因为df2中有两个案例在2小时内。你知道吗

Answer 1

首先您需要将日期保存为datetime，然后您可以执行类似于在data.table中所做的操作，在两个数据帧之间执行连接，然后过滤时差小于两小时的记录。你知道吗

# store as datetime
df1['Date'] = pd.to_datetime(df1['Date'])
df2['Date'] = pd.to_datetime(df2['Date'])

# join dataframes
merged = df1.merge(df2, left_on='ID', right_on='ID', 
                   suffixes=('(blood pressure)', '(weight)'))     
# calculate hour difference between the two dates
hour_dif = np.abs(merged['Date(blood pressure)'] - merged['Date(weight)'])/np.timedelta64(1, 'h')
merged[hour_dif < 2]

这就产生了

#    ID Date(blood pressure)  HeartRate        Date(weight)  Weight
# 0   1  2019-04-01 04:13:00         56 2019-04-01 06:10:00   112.0
# 8   1  2019-04-03 22:10:00         61 2019-04-03 21:10:00   112.5
# 9   2  2019-04-03 23:13:00         62 2019-04-03 23:10:00   113.0

Answer 2

我要感谢@josemz给了我一个非常好的答案！它确实起到了作用，我列出的一长串问题是由于数据清理错误而产生的问题。非常感谢你的帮助！你知道吗