根据其他阵列以有效的方式根据其他阵列减少数组中的数据

Question

我想为我提供有关python阵列数据减少的问题的帮助，我是Python的新手，但我在编程方面有一些经验。

问题包括以下内容：我有一个来自传感器测量值的n个元素的数组，并出现其他四个阵列，这些数组表明年度，月份，日期和测量时间(y_lna，m_lna，d_lna和h_lna(，我还有另一个阵列t均等元素，并伴随4个数组(y，m，d，h(，我想创建与s相同大小的向量t匹配数小时，几天，几个月和几年的s。

数据的组织方式使它们以序列方式从0年到N年的值：

Data   h d m  y
d1    00 1 1 2003
d2    03 1 1 2003
...
dn    10 5 8 2009

我创建了一个允许这样做的函数，但我不确定它是否以正确的方式完成，还需要大量时间才能完成其执行的迭代量，是否有任何方法可以做它更有效吗？而且我不知道如何处理NAN值

def reduce_data(h, d, m, y, h_lna, d_lna, m_lna, y_lna, data):
    year = np.linspace(2003, 2016, 14, True)
    month = np.linspace(1, 12, 12, True)
    new_data = []
    for a in year:
        ind1 = [i for i in range(len(y)) if y[i] == a]
        ind1_l = [i for i in range(len(y_lna)) if y_lna[i] == a]
        for b in range(len(month)):
            ind2 = [i for i in ind1 if m[i] == b + 1]
            ind2_l = [i for i in ind1_l if m_lna[i] == b + 1]
            for c in range(len(ind2)):  # days
                ind3 = [i for i in ind2 if d[i] == c]
                ind3_l = [i for i in ind2_l if d_lna[i] == c]
                for dd in range(len(ind3)):
                    for e in range(len(ind3_l)):
                        if h[ind3[dd]] == h_lna[ind3_l[e]]:
                            new_data.append(data[ind3[dd]])
    return new_data

我感谢您的合作

edit：我添加了我正在使用的数据，传感器的值不是我用随机数据替换的真实数据，但是时间值是真实的(仅用于一年(。Data1具有传感器s的数据，其时间变量是减少的参考值，数据2具有传感器t的数据，其时间变量，最后结果是具有预期结果的数据。

---

数据1

        S       h_lna   d_lna   m_lna   y_lna
    0   0        8       6        2     2003
    1   2        9       6        2     2003
    2   4       10       6        2     2003
    3   6       11       6        2     2003
    4   8       12       6        2     2003
    5   10      13       6        2     2003
    6   12      14       6        2     2003
    7   14      15       6        2     2003
    8   16      16       6        2     2003
    9   18      17       6        2     2003
   10   20      18       6        2     2003

数据2

    T   h   d   m   y
0   864 0   6   2   2003
1   865 1   6   2   2003
2   866 2   6   2   2003
3   867 3   6   2   2003
4   868 4   6   2   2003
5   869 5   6   2   2003
6   870 6   6   2   2003
7   871 7   6   2   2003
8   872 8   6   2   2003
9   873 9   6   2   2003
10  874 10  6   2   2003
11  875 11  6   2   2003
12  876 12  6   2   2003
13  877 13  6   2   2003
14  878 14  6   2   2003
15  879 15  6   2   2003
16  880 16  6   2   2003
17  881 17  6   2   2003
18  882 18  6   2   2003
19  883 19  6   2   2003
20  884 20  6   2   2003
21  885 21  6   2   2003
22  886 22  6   2   2003
23  887 23  6   2   2003
24  888 0   7   2   2003
25  889 1   7   2   2003
26  890 2   7   2   2003
27  891 3   7   2   2003
28  892 4   7   2   2003
29  893 5   7   2   2003
30  894 6   7   2   2003
31  895 7   7   2   2003
32  896 8   7   2   2003
33  897 9   7   2   2003
34  898 10  7   2   2003

结果

    result  h_lna   d_lna   m_lna   y_lna
0   872        8      6      2      2003
1   873        9      6      2      2003
2   874       10      6      2      2003
3   875       11      6      2      2003
4   876       12      6      2      2003
5   877       13      6      2      2003
6   878       14      6      2      2003
7   879       15      6      2      2003
8   880       16      6      2      2003
9   881       17      6      2      2003
10  882       18      6      2      2003

Answer 1

只是用" join"来考虑这一点。首先，获取数据2并为其索引以进行有效查找：

d2i = d2.set_index(['y', 'm', 'd', 'h'])

现在D2i具有多索引(y，m，d，h(和一个系列(t(。

然后使用join((：

d1.join(d2i, ['y_lna', 'm_lna', 'd_lna', 'h_lna'])

，如果您要经常使用它们，您还可以考虑在两个数据集上构建适当的DateTimeIndex。为此使用pd.to_datetime()：

year = np.datetime64(d2.y - 1970, 'Y') # Unix epoch = 1970-01-01
month = np.timedelta64(d2.m - 1, 'M') # January adds 0
day = np.timedelta64(d2.d - 1, 'D')
hour = np.timedelta64(d2.h, 'h')
index = pd.to_datetime(year + month + day + hour)
d2s = pd.Series(d2['T'], index)

现在，您将拥有一个系列T，其中整个日期和时间信息作为其索引。如果您使用两个数据范围进行此操作，它们将突然易于使用，使用JOIN/MERGE/INDEX/ASOF操作。