[実行環境付き]pandasで時系列データを結合する

pandas

2024.02.11 2023.02.22

本記事はブラウザ上でPythonを実行できます。

書式の異なるstringで入ってきた時系列データを処理する際に地味に詰まったので、備忘録として載せておきます。



- pandas


import pandas as pd
df_sales = pd.DataFrame(
    {
        "date": [
            "2022-06-01",
            "2022-07-01",
            "2022-08-01",
        ],
        "sales": [1234, 2345, 3456],
    }
)
df_sales


import pandas as pd
df_temperature = pd.DataFrame(
    {
        "date": [
            "2022/06/01",
            "2022/07/01",
            "2022/08/01",
        ],
        "temperature": [20.5, 25.2, 30.5],
    }
)
df_temperature

こうした時系列のデータに対しては pd.to_date でpandasのdatetime型に合わせることが推奨されます。



print(pd.to_datetime(df_sales["date"], format='%Y/%m/%d'))
df_sales.loc[:, "date"] = pd.to_datetime(df_sales["date"], format='%Y-%m-%d')
df_temperature .loc[:, "date"] = pd.to_datetime(df_temperature ["date"], format='%Y/%m/%d')

dtype は datetime64[ns] 型で、各要素は Timestamp型になります。




print(f"dtype: {df_sales['date'].dtype}")
print(f"each element: {df_sales['date'][0]}")

datetimeにしておくと、書式を気にせずmerge等の処理が行えます。



pd.merge(df_sales, df_temperature, left_on="date", right_on="date")