如何為熊貓groupby列表填寫零日期？

Question

我希望記錄交易的每日記錄，並記錄發生0筆交易的天數。

這是我的初始數據框：

df.head()
tr_timestamp  text      location
2016-01-01    cookies   TX
2016-01-01    pizza     TX
2016-01-04    apples    TX
2016-01-08    bread     TX

當我每天分組時，會得到以下信息：

df_by_day = df['tr_timestamp'].groupby(df.tr_timestamp).count()
df_by_day

tr_timestamp
2016-01-01  2
2016-01-04  1
2016-01-08  1

我正在尋找使用Python / Pandas的方式，其中填充沒有交易的日期，以便獲得以下輸出：

df_by_day_filled

tr_timestamp
2016-01-01  2
2016-01-02  0
2016-01-03  0
2016-01-04  1
2016-01-05  0
2016-01-06  0
2016-01-07  0
2016-01-08  1

我已經嘗試了以下答案，但並沒有給出我需要返回的輸出：

熊貓groupby為零值

用Groupby中的重復日期填充DataFrame中的缺失日期

謝謝。

Answer 1

您也可以嘗試：

df_by_day.asfreq('D', fill_value=0)

輸出：

tr_timestamp
2016-01-01    2
2016-01-02    0
2016-01-03    0
2016-01-04    1
2016-01-05    0
2016-01-06    0
2016-01-07    0
2016-01-08    1
Freq: D, Name: tr_timestamp, dtype: int64

Answer 2

這是一個resample操作：

df.set_index(pd.to_datetime(df.pop('tr_timestamp'))).resample('D')['text'].count()

tr_timestamp
2016-01-01    2
2016-01-02    0
2016-01-03    0
2016-01-04    1
2016-01-05    0
2016-01-06    0
2016-01-07    0
2016-01-08    1
Freq: D, Name: text, dtype: int64

如果“ tr_timestamp”不是日期時間，則pd.to_datetime調用可確保此方法有效。 如果是，則解決方案簡化為

df.dtypes

tr_timestamp    datetime64[ns]
text                    object
location                object
dtype: object

df.set_index('tr_timestamp').resample('D')['text'].count()

tr_timestamp
2016-01-01    2
2016-01-02    0
2016-01-03    0
2016-01-04    1
2016-01-05    0
2016-01-06    0
2016-01-07    0
2016-01-08    1
Freq: D, Name: text, dtype: int64