1

我正在批量运行每日模拟：我进行 365 次模拟以获得全年的结果。每次运行后，我想从结果中提取一些数组并将它们添加到 pandas.DataFrame 以供稍后分析。

我有一个粗略的模型（进行优化）和一个用于后期模拟的更精确的模型，所以我可以从两个来源获得相同的变量。如果后期模拟完成，结果可能会覆盖优化结果。
为了使其更复杂，优化模型具有较小的输出间隔，具体取决于离散化设置，但最终分析将发生在模拟后的较大间隔上）。

构造此 DataFrame 的最佳方法是什么？

这是我的第一个方法：

  1. DataFrame df为全年创建一个空白，DateRange索引具有较大的模拟后间隔（= 15 分钟）
  2. df_temp优化 1 天 ==>使用DateRange间隔较小的索引创建临时索引
  3. 如此处所述，将其缩减DataFrame至 15 分钟：
  4. 更新df为df_temp（中的行df仍然是空的，除了上一次运行的最后一行，所以我必须采取df_temp[1:]）
  5. 为同一天做模拟 ==>df_temp2以间隔 = 15 分钟创建临时
  6. df覆盖相应的行df_temp2

我应该在步骤 4) 和 6) 中使用哪些方法？还是从一开始就有更好的方法？谢谢，罗尔

4

1 回答 1

1

我认为 usingDataFrame.combine_first可能是要走的路，但根据数据的规模，使用像“更新”这样的方法可能更有用，它只修改现有 DataFrame 中的特定行。combine_first更通用，并且可能导致结果的大小与任一输入的大小不同（因为索引将合并在一起）。

https://github.com/pydata/pandas/issues/961

于 2012-03-23T21:45:21.380 回答