关于如何合并两个panda数据帧，有很多例子，但我的问题是我有两种数据。data1是一个csv数据，我用panda读取它并将其转换为dataframe，另一个data2是json格式。
下面是json数据的一个示例：
[{'timestamp': 1572430625231, 'url': 'brakePressure', 'value': 10},
{'timestamp': 1572430625275, 'url': 'lateralAcceleration', 'value': 120},
{'timestamp': 1572430625290, 'url': 'longitudinalAcceleration', 'value': 110},
{'timestamp': 1572430625299, 'url': 'acceleratorPosition', 'value': 1230},
{'timestamp': 1572430625310, 'url': 'currentTorque', 'value': 10}]
正如您所看到的，每个特征值都在一个带有时间戳的字典中。问题是，如果我将其转换为数据帧，那么行将是时间戳、url和值，但我不希望这样，我希望我的列(功能(是brakePressure、lateralAcceleration等。在每一列中，都有与该功能相对应的所有值，这些值都在json中。
我的目标是基于时间戳合并这两个数据集。这很难，因为在json中，我有一个与每个特征值相关的时间戳，而在csv数据中，我则有一个对应于一行的时间戳(这意味着n个特征值，而不是一个(。我很努力地做到了这一点，但没有机会，所以我想也许我可以搜索最接近的时间戳，然后一次替换一个值，这是我的尝试：
def sync_vehicle_gps_data(dataset=vehicle_data, gps_data=gps_data):
vehicle = dataset.copy()
gps = gps_data.copy()
d = {}
for json in vehicle:
timestamp, feature, val = json.values()
index = abs(gps['timestamp'] - timestamp).idxmin()
print("closest value index = ", index)
gps.at[index, feature] = val
return gps
vehicle_data是json数据，gps_data是pandas DataFrame，正如你所看到的，我在整个数据集中搜索哪个时间戳最接近单个特征的时间戳，然后我更新了那个特定的值，但这对我来说不太好。我最终把数据搞砸了。在python中有什么方法可以做到这一点吗？如果有其他图书馆的话，我也可以使用，所以我不局限于熊猫。
预期的输出是，我可以将上面json中的这些值附加到现有的数据帧中，这意味着在本例中，将添加"lateralAcceleration"等，并将每个特性的值(如上面的json中所示，是的，它们是零，但这只是一个示例(放在该行的时间戳最接近上面json中每个特性的时间戳键的时间戳的行中。我知道这是一个非常复杂的问题，不容易解释，但我希望你能理解我的意思。这里有一个例子：假设这是gps数据
timestamp X Y Z
1572430510880 595.00 179.00 -60.00
1572430510890 -0.23 -0.09 0.01
1572430510900 -0.11 -0.02 0.04
1572430510910 -1.96 -5.19 -6.10
我想要这个输出(我只显示一个功能(：
timestamp X Y Z brakePressure
1572430510880 595.00 179.00 -60.00 10
1572430510890 -0.23 -0.09 0.01 nan
1572430510900 -0.11 -0.02 0.04 nan
1572430510910 -1.96 -5.19 -6.10 nan
字典中的brakePressure特征的值被放在第一行，因为与上面字典中的brakePressure的时间戳最接近的gps时间戳也在第一行。基本上，我想对json中的所有特性做同样的事情，我想将所有这些特性值与gps数据同步
参考：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.get_dummies.html
您可以创建0和1作为列值：
import json
json_data = [{}, ]
df1 = pd.read_json(json.dumps(json_data))
它给出
timestamp url value
0 2019-10-30 10:17:05.231 brakePressure 10
1 2019-10-30 10:17:05.275 lateralAcceleration 120
2 2019-10-30 10:17:05.290 longitudinalAcceleration 110
3 2019-10-30 10:17:05.299 acceleratorPosition 1230
4 2019-10-30 10:17:05.310 currentTorque 10
然后
ready_to_join_df = pd.get_dummies(df1, prefix="", prefix_sep="")
结果是：
timestamp value acceleratorPosition brakePressure currentTorque lateralAcceleration longitudinalAcceleration
0 2019-10-30 10:17:05.231 10 0 1 0 0 0
1 2019-10-30 10:17:05.275 120 0 0 0 1 0
2 2019-10-30 10:17:05.290 110 0 0 0 0 1
3 2019-10-30 10:17:05.299 1230 1 0 0 0 0
4 2019-10-30 10:17:05.310 10 0 0 1 0 0
现在，您可以在密钥时间戳上连接两个数据帧。