我有一个这样的数据框:
pd.DataFrame({"ID1": ["A", "B", "C", "A", "C", "C", "A"],
"ID2": ["a", "b", "c", "a", "e", "c", "b"],
"Month": [1, 4, 7, 4, 2, 9, 3],
"Value": [10, 20, 40, 60, 20, 30, 10]})
ID1 ID2 Month Value
A a 1 10
B b 4 20
C c 7 40
A a 4 60
C e 2 20
C c 9 30
A b 3 10
我想用“ID1”+“ID2”-组合的前一个月的值来填充缺失月份的值,即:组合“A”的第2个月和第3个月没有值"+"a",所以它应该取第 1 个月的值。在第 4 个月,我们有一个 "A"+"a" 的值,所以应该取这个值,直到有一个月的另一个值。>
对于组合“C”+“c”,值应该从第 7 个月开始出现,因为它是组合出现的第一个值。
结束数据框应该是这样的:
ID1 ID2 Month Value
A a 1 10
A a 2 10
A a 3 10
A a 4 60
A a 5 60
A a 6 60
A a 7 60
A a 8 60
A a 9 60
A a 10 60
A a 11 60
A a 12 60
B b 4 20
C c 1 0
C c 2 0
C c 3 0
C c 4 0
C c 5 0
C c 6 0
C c 7 40
C c 8 40
C c 9 30
C c 10 30
C c 11 30
C c 12 30
... ... ... ...
我开始我的方法有点低效(我猜):
循环 1:12
循环“ID1”+“ID2”的唯一组合
如果存在“ID1”+“ID2”和月份的行
然后去下个月
再看“ID1”+“ID2”组合的前一个月
如果值存在
然后取值
否则将值设为 0
有没有更好的方法来做到这一点,或者有一个包可以帮助我有效地计算?
答案 0 :(得分:1)
定义如下函数来处理每组:
def proc(grp):
wrk = grp.set_index('Month').Value.reindex(np.arange(1, 13).tolist())\
.ffill().fillna(0, downcast='infer')
id1, id2 = grp.iloc[0, :2].tolist()
wrk.index = pd.MultiIndex.from_product([[id1], [id2], wrk.index],
names=['ID1', 'ID2', 'Month'])
return wrk
然后,为了获得预期的结果,将 df 按 ID1 和 ID2 和 应用以上函数:
result = df.groupby(['ID1', 'ID2'], group_keys=False).apply(proc).reset_index()
最后一步是 reset_index() 转换结果(连接) 串联成一个 DataFrame。
('A', 'a') 和 ('C', 'c') 组的结果片段是:
ID1 ID2 Month Value
0 A a 1 10
1 A a 2 10
2 A a 3 10
3 A a 4 60
4 A a 5 60
5 A a 6 60
6 A a 7 60
7 A a 8 60
8 A a 9 60
9 A a 10 60
10 A a 11 60
11 A a 12 60
...
36 C c 1 0
37 C c 2 0
38 C c 3 0
39 C c 4 0
40 C c 5 0
41 C c 6 0
42 C c 7 40
43 C c 8 40
44 C c 9 30
45 C c 10 30
46 C c 11 30
47 C c 12 30