Python 熊猫分组并填写缺失的时间间隔序列

我有一个如下所示的数据框

df = pd.DataFrame({'person_id': [11,11,11,21,21,21,31,31,31,31,31],
                   'time' :[-1,5,17,11,25,39,46,4,100,150,1],
                   'value':[101,102,121,120,143,153,160,170,96,97,99]})

我想做的是

a） 通过生成一个序列号（例如：1,2,3,4）填写缺少的

时间

，并从上一行复制该值（对于所有其他列）

我在尝试下面的东西

df.groupby(['person_id']).cumcount() + 1
df['sequence'] = g.cumcount() + 1

但这并不能帮助我获得预期的输出

我希望我的输出如下所示（1个主题的示例如下所示）

---

让我们先将

时间

列设置为数据框的索引，然后将

分组依据

人员id上的数据框设置为每个按

人员id

分类的组，使其

索引

符合

时间

列中指定的值范围，最后，选择所有组以获得所需的数据帧：

grp = df.set_index('time').groupby('person_id')
groups = [g.reindex(range(g.index.min(), g.index.max() + 1)).ffill().reset_index() for _, g in grp]
out = pd.concat(groups, ignore_index=True).reindex(df.columns, axis=1)

grp = df.groupby('person_id')['time']
idx = [(k, n) for k, t in grp  for n in range(t.min(), t.max() + 1)]
out = df.set_index(['person_id', 'time']).reindex(idx).ffill().reset_index()

或者，您可以首先为每个

person\u id

和

time

列中指定的相应值范围创建元组对，然后

reindex

数据帧：

grp = df.set_index('time').groupby('person_id')
groups = [g.reindex(range(g.index.min(), g.index.max() + 1)).ffill().reset_index() for _, g in grp]
out = pd.concat(groups, ignore_index=True).reindex(df.columns, axis=1)

grp = df.groupby('person_id')['time']
idx = [(k, n) for k, t in grp  for n in range(t.min(), t.max() + 1)]
out = df.set_index(['person_id', 'time']).reindex(idx).ffill().reset_index()

结果（对于个人id

11

）：

---

关键是“重新索引”每个组的最小值/最大值并向前填充。请参见下面的方法之一

(df.groupby('person_id')['time']
   .apply(lambda x:np.arange(x.min(), x.max()))
   .explode()
   .reset_index()
   .merge(df, how='left')
   .ffill()
)

---

谢谢不幸的是，我得到了这个错误

TypeError:'numpy.float64'对象不能解释为整数

。

time

的

dtype

列是

float64

首先，我们需要将

dtype

更改为

int

，因为

范围

接受它的参数为整数您可以使用

np.r\u[g.index.min（）：g.index.max（）+1]

代替

范围

如果您不想更改

数据类型

值错误：无法从重复轴重新编制索引不确定为什么会出现此错误，它是因为重复的数据点？完全可能，因为我的一些时间值可能会重复..谢谢。向上投票