Pandas Dataframe (python)中按时间戳分组数据序列

Question

我有Pandas Dataframe如下所示：

                                    redacted_name_1  \
0  [1628377576.0, 1628377939.98, 1628377942.04, 1...   
1  [295.257080078125, 295.1255187988281, 295.2570...   

                                   redacted_name_2   \
0  [1628377494.927, 1628377855.377, 1628377957.39...   
1  [9.3e-09, 9.3e-09, 9.2e-09, 9.3e-09, 9.2e-09, ...   

                                   redacted_name_3   \
0  [1628377543.443, 1628377903.8830001, 162837826...   
1  [1.7e-08, 1.7e-08, 1.7e-08, 1.7e-08, 1.7e-08, ...   

                                   redacted_name_4   \
0  [1628377235.24, 1628377840.33, 1628378440.54, ...   
1  [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, ...   

对于每个帧，序列0是一个时间戳。序列1对于每一个帧都是一个值。

我想合并他们，以便更容易地处理(对我)的时间戳。拥有这样的东西：

Timestamp, redacted_name_1 , redacted_name_2, redacted_name_3, redacted_name_4,
1628377576, 295.257080078125, NaN, NaN, NaN, 
1628377494, NaN, 9.3e-09, NaN, NaN,

时间戳应四舍五入为秒。

如果阅读恰好在同一时间，那么它应该和另一行放在一起。

没有时间戳复制。

Answer 1

使用列表理解来创建Series，通过concat连接起来，如果有必要的话，使用转换为datetime的最后一个圆圈：

print (df)
                                 redacted_name_1  \
0     [1628377576.0,1628377939.98,1628377942.04]   
1  [295.257080078125,295.1255187988281,295.2570]   

                                 redacted_name_2  
0  [1628377494.927,1628377855.377,1628377957.39]  
1                      [9.3e-09,9.3e-09,9.2e-09] 

#if necessary convert strings to lists
#import ast
#df = df.applymap(ast.literal_eval)

L = [pd.Series(df.loc[1, x], index=df.loc[0, x], name=x) for x in df.columns]
df = pd.concat(L,axis=1)

df.index = np.round(df.index).astype(np.int64)
print (df)
            redacted_name_1  redacted_name_2
1628377495              NaN     9.300000e-09
1628377576       295.257080              NaN
1628377855              NaN     9.300000e-09
1628377940       295.125519              NaN
1628377942       295.257000              NaN
1628377957              NaN     9.200000e-09

或者：

df.index = pd.to_datetime(np.round(df.index).astype(np.int64), unit='s')
print (df)
                     redacted_name_1  redacted_name_2
2021-08-07 23:04:55              NaN     9.300000e-09
2021-08-07 23:06:16       295.257080              NaN
2021-08-07 23:10:55              NaN     9.300000e-09
2021-08-07 23:12:20       295.125519              NaN
2021-08-07 23:12:22       295.257000              NaN
2021-08-07 23:12:37              NaN     9.200000e-09