pandas> = 0.18 - 更改为重新采样,如何使用groupby进行上采样

时间:2016-03-29 19:37:49

标签: python pandas time-series

我正在使用一段类似于下面显示的虚拟代码块的代码,根据时间序列数据集中缺失天数(即该特定属性ID没有数据的天数)的属性ID插入NaN值。

使用pandas 0.18.0更改重采样方法已经破坏了这段代码,我无法弄清楚如何实现相同的行为。

代码:

data = [['2010-01-01', 'A', 2], ['2010-01-02', 'A', 3], ['2010-01-05', 'A', 8], 
        ['2010-01-10', 'A', 7], ['2010-01-13', 'A', 3], ['2010-01-01', 'B', 5], 
        ['2010-01-03', 'B', 2], ['2010-01-04', 'B', 1], ['2010-01-11', 'B', 7], 
        ['2010-01-14', 'B', 3]]

df = pd.DataFrame(data, columns=['Date', 'ID', 'Score'])
df.Date = pd.to_datetime(df.Date)

#Insert NA values on days where there is no data for each ID
df.sort_values(by=['Date', 'ID'], inplace=True)
df.set_index('Date').groupby('ID').resample('D').reset_index()

现在运行它会产生AttributeError: Cannot access callable attribute 'reset_index' of 'DataFrameGroupBy' objects, try using the 'apply' method,当我查看新文档时,我明白为什么它不起作用。

但是,我并不真正了解新的重新采样方法是如何工作的,所以我们将不胜感激。

1 个答案:

答案 0 :(得分:5)

这将得到与0.17.1中相同的结果。我打开了一个关于能够做到这一点的问题。将尝试查看是否可以为0.18.1创建更好的语法,请参阅here。仅供参考,您不需要在处理之前进行排序,重新采样总是会为您排序。

In [27]: df.groupby('ID').apply(lambda x: x.set_index('Date').Score.resample('D').asfreq())
Out[27]: 
ID  Date      
A   2010-01-01    2.0
    2010-01-02    3.0
    2010-01-03    NaN
    2010-01-04    NaN
    2010-01-05    8.0
    2010-01-06    NaN
    2010-01-07    NaN
    2010-01-08    NaN
    2010-01-09    NaN
    2010-01-10    7.0
    2010-01-11    NaN
    2010-01-12    NaN
    2010-01-13    3.0
B   2010-01-01    5.0
    2010-01-02    NaN
    2010-01-03    2.0
    2010-01-04    1.0
    2010-01-05    NaN
    2010-01-06    NaN
    2010-01-07    NaN
    2010-01-08    NaN
    2010-01-09    NaN
    2010-01-10    NaN
    2010-01-11    7.0
    2010-01-12    NaN
    2010-01-13    NaN
    2010-01-14    3.0
Name: Score, dtype: float64