import numpy as np
import pandas as pd
from scipy import stats
import matplotlib.pyplot as plt
#输入两个不同时间长度的数据,将时间对其后,进行线性拟合,并将时间对其后的两个数据框横向拼接生成一个csv文件
def generate_minute_data(df1,df2): #时间对其函数
“”"
生成指定频率的分钟级别时间序列,并返回数据框
“”"
# 将时间列设置为索引
df2.set_index(‘time’, inplace=True) #两个文件的时间列名需设置一样,可直接都改为time
# 删除重复的时间戳
df2 = df2[~df2.index.duplicated()]
# 生成新的时间索引,每秒一行,因为两个数据时间长度不一致,将两个数据长度按照第一个文件时间长度df1生成,尽量将df1设置为时间数据少的文件
start_time = df1.index.min()
end_time = df1.index.max()
#根据所需时间间隔填写,生成对应的时间序列
all_seconds = pd.date_range(start=start_time, end=end_time, freq='10T') # 秒为S,分钟为Min,十分钟为10T
# 补充缺失的秒数并设置为0
df2 = df2.reindex(all_seconds, fill_value=np.nan) #虽然填充的是nan,但是生成的数据填充的地方其实是空白
return df2
读取第一个CSV文件
df1 = pd.read_csv(‘F:/20240321.csv’, parse_dates=[‘time’],encoding=“gbk”,) # 替换 ‘time’ 为实际的时间列名称
读取第二个CSV文件
df2 = pd.read_csv(‘F:/20240321.csv’, parse_dates=[‘time’],encoding=“gbk”,) # 和上面文件时间列名需一致
data1 = generate_minute_data(df1,df1) #返回数据df1
data2 = generate_minute_data(df1,df2) #返回数据df2
保存合并后的数据到新文件
data1.to_csv(‘F:/timeduiqi.csv’)
data2.to_csv(‘F:/i_timeduiqi.csv’)