Python 如何合并数据帧和日期范围系列?
我有一个包含用户事务的数据框:Python 如何合并数据帧和日期范围系列?,python,pandas,Python,Pandas,我有一个包含用户事务的数据框: date amount 2019-11-25 100 2019-11-25 40 2019-11-23 44 2019-10-30 1000 日期列有空格。这使得时间序列图有点奇怪。为了填补空白,我创建了以下系列: allthosedays = pd.DataFrame({ 'date': pd.date_range( start = pd.Timestamp(df.date.min()),
date amount
2019-11-25 100
2019-11-25 40
2019-11-23 44
2019-10-30 1000
日期列有空格。这使得时间序列图有点奇怪。为了填补空白,我创建了以下系列:
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
如何合并数据帧和系列。并用零填充不存在的金额值
或者我做错了所有的事,问题解决了,却没有创造一个系列
这使得时间序列图有点奇怪
我认为一个原因是重复的DatetimeIndex
值2019-11-25
,所以这应该是个问题
一种可能的解决方案是使用sum
每个日期时间对具有聚合的唯一值,例如sum
,然后添加另一个值(如有必要),可以使用:
与左联接一起使用,替换缺少的值并最后转换为索引:
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
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
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