Python 如何用零为熊猫分组列表填写缺失的日期?
我希望每天记录0笔交易发生的天数内的交易和账目 以下是我的初始数据帧:Python 如何用零为熊猫分组列表填写缺失的日期?,python,pandas,time-series,pandas-groupby,Python,Pandas,Time Series,Pandas Groupby,我希望每天记录0笔交易发生的天数内的交易和账目 以下是我的初始数据帧: 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 当我按天运行组时,我得到以下信息: df_by_day = df['tr_timestamp'].groupby(df.tr
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
当我按天运行组时,我得到以下信息:
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
我希望使用Python/Pandas,在其中填充没有事务的日期,以便获得以下输出:
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
我尝试了以下答案,但没有给出我需要返回的输出:
谢谢。这是一项手术:
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
pd.to_datetime
调用确保在“tr_timestamp”不是日期时间的情况下,这种方法可以工作。如果是,则解决方案简化为
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
您也可以尝试:
df_by_day.asfreq('D', fill_value=0)
输出:
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