Python 多索引的重采样
我想按类型对数据集进行每日细分。没有每种类型每天的记录,如果没有,我想NaN 我可以得到一个“每日重新采样”的结果,但类型是ommitted 下面的代码应该是一个完整的工作示例(好吧,除了最后的已知错误之外工作!): 我要查找的输出是每天的一行/键入组合: 日期 类型 价值 20210101 A. 1. 20210102 A. 楠 20210103 A. 2. 20210101 B 楠 20210102 B 3. 20210103 B 楠Python 多索引的重采样,python,python-3.x,pandas,pandas-resample,Python,Python 3.x,Pandas,Pandas Resample,我想按类型对数据集进行每日细分。没有每种类型每天的记录,如果没有,我想NaN 我可以得到一个“每日重新采样”的结果,但类型是ommitted 下面的代码应该是一个完整的工作示例(好吧,除了最后的已知错误之外工作!): 我要查找的输出是每天的一行/键入组合: 日期 类型 价值 20210101 A. 1. 20210102 A. 楠 20210103 A. 2. 20210101 B 楠 20210102 B 3. 20210103 B 楠 如果可能需要按组重新采样,请使用“按天重新采样”,然后将
如果可能需要按组重新采样,请使用“按天重新采样”,然后将“添加缺少的值”用于: 如果只需要为每个组追加缺少的日期时间:
好极了使用第一个示例,为了“展平”它,我只需在末尾添加.reset_index()。正确吗?@GinjaNinja-我找到了更好的解决方案,所以删除了第一个旧的。@GinjaNinja-如果想使用
df.set\u index('Date',inplace=True)
pd.Grouper中的removekey='Date'
,我删除了我的评论,说有一个异常,因为我意识到我需要删除set\u index。谢谢你明确的帮助
import pandas as pd
import datetime as dt
df = pd.DataFrame({
'Date': [dt.datetime(2021,1,1), dt.datetime(2021, 1, 3), dt.datetime(2020,1,2)],
'Type': ['A', 'A', 'B'],
'Value': [1,2,3]
})
df.set_index('Date', inplace=True)
# this loses the 'type'
print(df.resample('1D').mean())
df = df.reset_index().set_index(['Date', 'Type'])
# this raises an exception "TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'MultiIndex'"
print(df.resample('1D').mean())
df = (df.groupby(['Type', pd.Grouper(freq='1D', key='Date')])['Value']
.mean()
.unstack()
.stack(dropna=False)
.reset_index(name='Value')
)
print (df)
Type Date Value
0 A 2021-01-01 1.0
1 A 2021-01-02 NaN
2 A 2021-01-03 2.0
3 B 2021-01-01 NaN
4 B 2021-01-02 3.0
5 B 2021-01-03 NaN
mux = pd.MultiIndex.from_product([df['Type'].unique(),
pd.date_range(df['Date'].min(), df['Date'].max())],
names=['Date','Type'])
df = df.set_index(['Type','Date']).reindex(mux).reset_index()
print (df)
Date Type Value
0 A 2021-01-01 1.0
1 A 2021-01-02 NaN
2 A 2021-01-03 2.0
3 B 2021-01-01 NaN
4 B 2021-01-02 3.0
5 B 2021-01-03 NaN