[英]How to create a specific date_range for each unique id in a dataframe?
[英]How to merge dataframe and date_range Series?
我有一個包含用戶交易的數據框:
date amount
2019-11-25 100
2019-11-25 40
2019-11-23 44
2019-10-30 1000
日期列有空白。 這使得時間序列 plottng 有點奇怪。 為了填補空白,我創建了系列:
allthosedays = pd.DataFrame({
'date': pd.date_range(
start = pd.Timestamp(df.date.min()),
end = pd.Timestamp(df.date.max()),
freq = 'D'
)
})
然后我被卡住了。
如何合並我的數據框和系列。 並用零填充不存在的金額值?
或者,也許我做錯了所有事情並在沒有創建系列的情況下解決了問題?
這使得時間序列 plottng 有點奇怪。
我認為一個原因是重復的DatetimeIndex
值2019-11-25
,所以它應該是問題。
一種可能的解決方案是將每個日期時間的sum
用於具有聚合的唯一值,例如sum
然后添加另一個值(如有必要)可以使用DataFrame.asfreq
:
df1 = df.set_index('date').sum(level=0).sort_index()
print (df1)
amount
date
2019-10-30 1000
2019-11-23 44
2019-11-25 140
df2 = df.set_index('date').sum(level=0).sort_index().asfreq('D', fill_value=0)
print (df2)
amount
date
2019-10-30 1000
2019-10-31 0
2019-11-01 0
2019-11-02 0
2019-11-03 0
2019-11-04 0
2019-11-05 0
2019-11-06 0
2019-11-07 0
2019-11-08 0
2019-11-09 0
2019-11-10 0
2019-11-11 0
2019-11-12 0
2019-11-13 0
2019-11-14 0
2019-11-15 0
2019-11-16 0
2019-11-17 0
2019-11-18 0
2019-11-19 0
2019-11-20 0
2019-11-21 0
2019-11-22 0
2019-11-23 44
2019-11-24 0
2019-11-25 140
使用帶有左連接的DataFrame.merge
,替換缺失值並最后轉換為索引:
df3 = allthosedays.merge(df, how='left').fillna({'amount':0}).astype({'amount':int})
print (df3)
date amount
0 2019-10-30 1000
1 2019-10-31 0
2 2019-11-01 0
3 2019-11-02 0
4 2019-11-03 0
5 2019-11-04 0
6 2019-11-05 0
7 2019-11-06 0
8 2019-11-07 0
9 2019-11-08 0
10 2019-11-09 0
11 2019-11-10 0
12 2019-11-11 0
13 2019-11-12 0
14 2019-11-13 0
15 2019-11-14 0
16 2019-11-15 0
17 2019-11-16 0
18 2019-11-17 0
19 2019-11-18 0
20 2019-11-19 0
21 2019-11-20 0
22 2019-11-21 0
23 2019-11-22 0
24 2019-11-23 44
25 2019-11-24 0
26 2019-11-25 100
27 2019-11-25 40
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.