Question

我目前有一个具有以下通用格式的数据框：

id,transaction_dt,units,measure
1,2014-01-06,30,30.5
1,2014-02-04,5,22.6

我希望完成以下内容：

根据id将天数添加到transaction_dt创建新记录，以创建如下所示的结果数据框：

id,enumerated_dt,measure
1,2014-01-06,30.5
1,2014-01-07,30.5
1,2014-01-08,30.5
...
1,2014-02-05,30.5
1,2014-02-04,22.6
1,2014-02-05,22.6
...

我认为堆栈可能是解决方案的一部分，但我目前难以理解如何以高效的方式枚举/增加日期。任何建议或解决方案将非常感谢！

Answer 1

编辑：乍一看，看起来您确实希望填补日期中的空白，然后向前填充数据，这可以轻松完成：

df.set_index('transaction_dt').resample('D').ffill()

但是，如果您不想创建连续索引，而是要添加任意数量的行N，则可以先将'transaction_dt'移动到索引来执行此操作：

df.set_index('transaction_dt', inplace=True)

...然后使用这个lambda函数（使用numpy方法）：

add_n_dates = lambda n: df.index.repeat(n) + \
                        np.tile(np.arange(n)*pd.Timedelta('1 days'), df.index.size)

...在最终重新索引+前向填充之前，为新索引的每个元素添加n个日期：

df.reindex(add_n_dates(5), method='ffill')

#                  id  units  measure
# transaction_dt                     
# 2014-01-06      1.0   30.0     30.5
# 2014-01-07      1.0   30.0     30.5
# 2014-01-08      1.0   30.0     30.5
# 2014-01-09      1.0   30.0     30.5
# 2014-01-10      1.0   30.0     30.5
# 2014-02-04      1.0    5.0     22.6
# 2014-02-05      1.0    5.0     22.6
# 2014-02-06      1.0    5.0     22.6
# 2014-02-07      1.0    5.0     22.6
# 2014-02-08      1.0    5.0     22.6

编辑＃2：

再次假设您已将索引设置为transaction_dt，这可能是使用units中的值来确定要添加的行数的最简单方法。它使用pd.date_range创建必要的日期值，方法是将row.name（即其索引值）作为起点，将row.units作为要生成的句点数。{/ p>

df.apply(lambda x: pd.Series(pd.date_range(x.name, periods=x.units)), axis=1). \
    stack(). \
    reset_index(level=1). \
    join(df['measure']). \
    drop('level_1', axis=1). \
    reset_index(). \
    rename(columns={0:'enumerated_dt'})

#    transaction_dt enumerated_dt  measure
# 0      2014-01-06    2014-01-06     30.5
# 1      2014-01-06    2014-01-07     30.5
# 2      2014-01-06    2014-01-08     30.5
# 3      2014-01-06    2014-01-09     30.5
# 4      2014-01-06    2014-01-10     30.5
# ...
# 29     2014-01-06    2014-02-04     30.5
# 30     2014-02-04    2014-02-04     22.6
# 31     2014-02-04    2014-02-05     22.6
# 32     2014-02-04    2014-02-06     22.6
# 33     2014-02-04    2014-02-07     22.6
# 34     2014-02-04    2014-02-08     22.6

Answer 2

您可以创建帮助数据框

test_numpy_array = np.array([[2,3,4,5],
                             [6,4,1,2],
                             [3,4,5,1],
                             [8,9,7,6],
                             [4,1,2,5]])

Python PANDAS：堆栈和枚举日期以创建新记录

2 个答案: