Блог

Эй, я видел ответы на многие вопросы, в которых максимальная и минимальная дата являются постоянными в выходных данных. Но как насчет заполнения дат для каждого идентификатора, где вы только то, что нужно заполнить между каждой максимальной и минимальной датой идентификаторов. Скажем, например, это фрейм данных

x = панды.Фрейм данных({‘пользователь’: [‘a’,’a’,’b’,’b’,’a’], ‘dt’: [‘2016-01-01′,’2016-01-02’, ‘2016-01-05′,’2016-01-09′,’2016-01-06’], ‘val’: [1,33,2,1,2]})

Желаемый результат —

В настоящее время используется этот код

 udates=x['dt'].unique()
x['dt'] = pandas.to_datetime(x['dt'])


filled_df = (x.set_index('dt')
         .groupby('user')
         .apply(lambda d: d.reindex(pd.date_range(min(x.dt),
                                                  max(x.dt),
                                                  freq='D')))
         .drop('user', axis=1)
         .reset_index('user')
         .fillna(0)) 
 

Текущая выходная мощность заполняет даты для B до его минимальной даты

Помощь очень ценится!!!

Основываясь на вашем решении, я просто заменил min(x.dt) его min(d.index) :

 import pandas as pd
x = pd.DataFrame({'user': ['a','a','b','b','a'], 'dt': ['2016-01-01','2016-01-02', '2016-01-05','2016-01-09','2016-01-06'], 'val': [1,33,2,1,2]})
x['dt'] = pd.to_datetime(x['dt'])


filled_df = (x.set_index('dt')
         .groupby('user')
         .apply(lambda d: d.reindex(pd.date_range(min(d.index),
                                                  max(x.dt),
                                                  freq='D')))
         .drop('user', axis=1)
         .reset_index('user')
         .fillna(0))

 

выход

 >>> filled_df
           user   val
2016-01-01    a   1.0
2016-01-02    a  33.0
2016-01-03    a   0.0
2016-01-04    a   0.0
2016-01-05    a   0.0
2016-01-06    a   2.0
2016-01-07    a   0.0
2016-01-08    a   0.0
2016-01-09    a   0.0
2016-01-05    b   2.0
2016-01-06    b   0.0
2016-01-07    b   0.0
2016-01-08    b   0.0
2016-01-09    b   1.0