Pandas将Grouped-by数据帧与每个组的另一个数据帧合并

Question

我有一个像这样的数据框：

id  date        temperature

1   2011-09-12   12
    2011-09-15   12
    2011-10-13   12
2   2011-12-12   14
    2011-12-24   15

我想确保每个设备ID都有每天的温度记录，如果值存在，它将从上面复制，如果它没有我将放0。

所以，我准备了另一个具有全年日期的数据框：

使用pd.DataFrame(0, index=pd.range('2011-01-01', '2011-12-12'), columns=['temperature'])

date        temperature

2011-01-01     0
.
.
.
2011-12-12    0

现在，对于每个id，我想合并这个数据帧，这样我就可以获得每个id的全年条目。

我陷入了合并步骤，只是合并日期列不起作用，即

pd.merge(df1, df2, on=['date'])

给出一个空白的数据帧。

Answer 1

通过MultiIndex.from_product创建MultiIndex并通过MultiIndex es合并：

mux = pd.MultiIndex.from_product([df.index.levels[0], 
                                  pd.date_range('2011-01-01', '2011-12-12')],
                                  names=['id','date'])
df1 = pd.DataFrame(0, index=mux, columns=['temperature'])

df = pd.merge(df1, df, left_index=True, right_index=True, how='left')

如果想只有一个temperature ：

df = pd.merge(df1, df, left_index=True, right_index=True, how='left', suffixes=('','_'))
df['temperature'] = df.pop('temperature_').fillna(df['temperature'])

另一个想法是使用itertools.product为2 columns DataFrame：

from  itertools import product
data = list(product(df.index.levels[0],  pd.date_range('2011-01-01', '2011-12-12')))

df1 = pd.DataFrame(data, columns=['id','date'])
df = pd.merge(df1, df, left_on=['id','date'], right_index=True, how='left')

---

另一个想法是使用DataFrame.reindex ：

mux = pd.MultiIndex.from_product([df.index.levels[0], 
                                  pd.date_range('2011-01-01', '2011-12-12')],
                                  names=['id','date'])

df = df.reindex(mux, fill_value=0)

Answer 2

作为jezrael的答案的替代方案，您还可以执行以下迭代，尤其是如果您希望保持设备ID完整：

data={"date":[pd.Timestamp('2011-09-12'), pd.Timestamp('2011-09-15'), pd.Timestamp('2011-10-13'),pd.Timestamp('2011-12-12'),pd.Timestamp('2011-12-24')],"temperature":[12,12,12,14,15],"sensor_id":[1,1,1,2,2]}
df1=pd.DataFrame(data,index=data["sensor_id"])

df2=pd.DataFrame(0, index=pd.date_range('2011-01-01', '2011-12-12'), columns=['temperature','sensor_id'])

for i,row in df1.iterrows():
    df2.loc[df2.index==row["date"], ['temperature']] = row['temperature']
    df2.loc[df2.index==row["date"], ['sensor_id']] = row['sensor_id']

for t in data["date"]:
    print(df2[df2.index==t])

请注意，您的问题中的df2仅转到2011-12-12 ，因此最后一个print()将返回一个空的DataFrame。 我不是故意这样做的。

此外，根据实际数据的可变性和密度，使用可能有意义：

for s in [1,2]: ## iterate over device ids
    ma=(df['sensor_id']==s)
    df.loc[ma]=df.loc[ma].fillna(method='ffill') # fill forward

因此，不完整的时间序列将被最后测量的温度值填充（向前）。 当然，取决于数据的质量， df.resample()可能更有意义。