Question

我有一个带有两级分层索引（'item_id'和'date'）的pandas数据帧。每行都有列，用于特定月份中特定项目的各种指标。这是一个示例：

                    total_annotations  unique_tags
date       item_id
2007-04-01 2                       30           14
2007-05-01 2                       32           16
2007-06-01 2                       36           19
2008-07-01 2                       81           33
2008-11-01 2                       82           34
2009-04-01 2                       84           35
2010-03-01 2                       90           35
2010-04-01 2                      100           36
2010-11-01 2                      105           40
2011-05-01 2                      106           40
2011-07-01 2                      108           42
2005-08-01 3                      479          200
2005-09-01 3                      707          269
2005-10-01 3                      980          327
2005-11-01 3                     1176          373
2005-12-01 3                     1536          438
2006-01-01 3                     1854          497
2006-02-01 3                     2206          560
2006-03-01 3                     2558          632
2007-02-01 3                     5650         1019

如您所见，每个项目的所有连续月份都没有观察结果。我想要做的是重新索引数据框，使每个项目在指定范围内每个月都有行。现在，对于任何给定的项目，这很容易实现。因此，对于item_id 99，例如：

baseDateRange = pd.date_range('2005-07-01','2013-01-01',freq='MS')
data.xs(99,level='item_id').reindex(baseDateRange,method='ffill')

但是使用这种方法，我必须遍历所有item_ids，然后将所有内容合并在一起，这看起来非常复杂。

那么我如何将它应用于完整的数据框，填充观察结果（以及item_id索引），以便每个item_id都正确填充了baseDateRange中所有日期的行？

Answer 1

基本上对于您想要重新索引和填充的每个组。 apply会传递一个数据框，其中item_id和date仍然在索引中，因此重置，然后设置并使用填充重新索引。 idx是你的baseDateRange。

In [33]: df.groupby(level='item_id').apply(
      lambda x: x.reset_index().set_index('date').reindex(idx,method='ffill')).head(30)
Out[33]: 
                    item_id  annotations  tags
item_id                                       
2       2005-07-01      NaN          NaN   NaN
        2005-08-01      NaN          NaN   NaN
        2005-09-01      NaN          NaN   NaN
        2005-10-01      NaN          NaN   NaN
        2005-11-01      NaN          NaN   NaN
        2005-12-01      NaN          NaN   NaN
        2006-01-01      NaN          NaN   NaN
        2006-02-01      NaN          NaN   NaN
        2006-03-01      NaN          NaN   NaN
        2006-04-01      NaN          NaN   NaN
        2006-05-01      NaN          NaN   NaN
        2006-06-01      NaN          NaN   NaN
        2006-07-01      NaN          NaN   NaN
        2006-08-01      NaN          NaN   NaN
        2006-09-01      NaN          NaN   NaN
        2006-10-01      NaN          NaN   NaN
        2006-11-01      NaN          NaN   NaN
        2006-12-01      NaN          NaN   NaN
        2007-01-01      NaN          NaN   NaN
        2007-02-01      NaN          NaN   NaN
        2007-03-01      NaN          NaN   NaN
        2007-04-01        2           30    14
        2007-05-01        2           32    16
        2007-06-01        2           36    19
        2007-07-01        2           36    19
        2007-08-01        2           36    19
        2007-09-01        2           36    19
        2007-10-01        2           36    19
        2007-11-01        2           36    19
        2007-12-01        2           36    19

Answer 2

根据杰夫的答案，我认为这更具可读性。因为仅使用了droplevel和reindex方法，所以它的效率也大大提高。

df = df.set_index(['item_id', 'date'])

def fill_missing_dates(x, idx=all_dates):
   x.index = x.index.droplevel('item_id')
   return x.reindex(idx, method='ffill')


filled_df = (df.groupby('item_id')
               .apply(fill_missing_dates))

在pandas中重新索引和填充层级索引的一个级别

2 个答案: