如何修剪匹配DataFrame列，实现时间轴对齐与对应数据匹配？

操作名称 #

时间序列对齐（Time Series Alignment），结合线性插值补全缺失/匹配目标时间点的数据。

实现步骤 #

• 修剪数据时间范围：将两个数据集的时间限制在[-1.05, 1.05]内，丢弃超出范围的冗余数据
• 对齐到目标时间轴：以scope2的时间序列为基准，对scope1的电压数据（V）进行插值（支持内插/外插），匹配每个目标时间点的数值
• 合并整理数据：将插值后的V数据与scope2的电流数据（I）合并，整理为目标格式

完整代码实现 #

import pandas as pd

# 示例数据集
scope1Data = pd.DataFrame({
    'TIME': [-1, -0.9, -0.8, -0.7, -0.6, -0.5, -0.4, -0.3, -0.2, -0.1, 0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1],
    'V': [-0.841470985, -0.78332691, -0.717356091, -0.644217687, -0.564642473, -0.479425539, -0.389418342, -0.295520207, -0.198669331, -0.099833417, 0, 0.099833417, 0.198669331, 0.295520207, 0.389418342, 0.479425539, 0.564642473, 0.644217687, 0.717356091, 0.78332691, 0.841470985],
})

scope2Data = pd.DataFrame({
    'TIME': [-1.05, -0.9, -0.75, -0.6, -0.45, -0.3, -0.15, 0, 0.15, 0.3, 0.45, 0.6, 0.75, 0.9, 1.05],
    'I': [-0.887362369, -0.946300088, -0.983985947, -0.999573603, -0.992712991, -0.963558185, -0.91276394, -0.841470985, -0.751280405, -0.644217687, -0.522687229, -0.389418342, -0.247403959, -0.099833417, 0.049979169]
})

# 1. 修剪时间范围到[-1.05, 1.05]
scope1_trimmed = scope1Data.query("-1.05 <= TIME <= 1.05").set_index('TIME')
scope2_trimmed = scope2Data.query("-1.05 <= TIME <= 1.05").set_index('TIME')

# 2. 将scope1的V数据对齐到scope2的时间轴，使用线性插值（支持外插）
# 注意：若不需要外插，可将limit_direction设为'both'仅内插，或去掉该参数
scope1_aligned = scope1_trimmed.reindex(scope2_trimmed.index).interpolate(method='linear', limit_direction='both')

# 3. 合并数据并整理格式
# 移除超出scope1原始时间范围的点（对应示例中的-1.05和1.05）
combinedData = pd.concat([scope1_aligned, scope2_trimmed], axis=1).dropna().reset_index()
combinedData.columns = ['TIME', 'V', 'I']

print(combinedData)

代码说明 #

• query()：快速筛选指定时间范围的数据
• set_index('TIME')：将时间列设为索引，方便后续对齐操作
• reindex()：将scope1的索引替换为scope2的时间轴，生成缺失值
• interpolate(method='linear')：用线性插值补全缺失值，limit_direction='both'支持外插（处理超出scope1原始时间范围的点）
• concat()：合并对齐后的V数据与原始I数据，dropna()移除无法插值的极端点（如示例中的-1.05和1.05）

内容的提问来源于stack exchange，提问作者smajli