熊猫检测过一天日期

如何解决熊猫检测过一天日期

我有一个看起来像这样的数据：

时间	数据
13:45:00	数据1
13:45:03	数据2
13:45:14	数据3
13:45:22	数据4
13:45:24	数据5
00:00:03	数据6
00:00:26	数据7

数据有超过一天的数据，但它只包含时间但没有日期，我必须手动为数据框分配一个新列并将其与时间结合使用

df['DateTime'] = df['Date'].astype('str') + " "  + df['Time'].astype('str')

但是这种方法只能指定一天，我希望程序可以在超过 12 点时自动将日期添加 1 天。 另外你可以看到从13:45:00到13:45:03，它们之间有3秒的时间间隔，我想把每一个时间间隔都填满，并且能够显示每一秒的数据

期望的输出：

日期时间	数据
2021/4/19 13:45:00	数据1
2021/4/19 13:45:01	数据1
2021/4/19 13:45:02	数据1
2021/4/19 13:45:03	数据2
2021/4/19 13:45:04	数据2
...	...
2021/4/20 00:00:01	数据5
2021/4/20 00:00:02	数据5
2021/4/20 00:00:03	数据6
2021/4/20 00:00:04	数据6

我尝试过重新采样函数来完成这项工作，但重新采样将始终在重新采样数据之前进行排序，导致 00:00:03 的行将位于第一行（00:00:03 应该用于第二天，但该函数错误地将它们编译为一天）。有没有办法让 Pandas 识别出这个数据集包含超过一天的数据，并在超过 12 点时自动加上一天？

解决方法

试试这个：

idx = pd.to_datetime("2021/04/19 " + df["Time"]) + pd.to_timedelta(
    pd.to_datetime(df["Time"]).diff().lt(pd.Timedelta(seconds=0)).cumsum(),unit="days"
)

dfi = df.set_index(idx)
dfi.resample("S").ffill()

输出：

                         Time    Data
Time                                 
2021-04-19 13:45:00  13:45:00  Data 1
2021-04-19 13:45:01  13:45:00  Data 1
2021-04-19 13:45:02  13:45:00  Data 1
2021-04-19 13:45:03  13:45:03  Data 2
2021-04-19 13:45:04  13:45:03  Data 2
...                       ...     ...
2021-04-20 00:00:22  00:00:03  Data 6
2021-04-20 00:00:23  00:00:03  Data 6
2021-04-20 00:00:24  00:00:03  Data 6
2021-04-20 00:00:25  00:00:03  Data 6
2021-04-20 00:00:26  00:00:26  Data 7

[36927 rows x 2 columns]