以下是一个示例代码,用于按照给定的时间段/时间序列按ID填充数据:
import pandas as pd
# 创建一个示例数据表
data = {'ID': [1, 1, 2, 2, 2, 3, 3, 3, 3],
'Date': ['2021-01-01', '2021-01-03', '2021-01-01', '2021-01-02', '2021-01-03', '2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04'],
'Value': [10, 20, 30, 40, 50, 60, 70, 80, 90]}
df = pd.DataFrame(data)
# 将日期列转换为日期时间格式
df['Date'] = pd.to_datetime(df['Date'])
# 创建一个新的日期范围
date_range = pd.date_range(start='2021-01-01', end='2021-01-04')
# 创建空的数据表,用于填充数据
df_filled = pd.DataFrame(columns=['ID', 'Date', 'Value'])
# 按照ID分组,逐个填充数据
for group_id, group_df in df.groupby('ID'):
group_df = group_df.set_index('Date')
group_df = group_df.reindex(date_range)
group_df['ID'] = group_id
group_df['Value'] = group_df['Value'].fillna(method='ffill').fillna(method='bfill')
df_filled = pd.concat([df_filled, group_df.reset_index()], ignore_index=True)
print(df_filled)
这段代码首先创建了一个示例数据表,包含ID、日期和值三列。然后,使用pd.to_datetime
函数将日期列转换为日期时间格式。接下来,使用pd.date_range
函数创建了一个新的日期范围,从给定的起始日期到结束日期。然后,创建了一个空的数据表df_filled
,用于填充数据。
接下来,使用groupby
函数按照ID分组,逐个填充数据。在每个分组中,首先使用set_index
函数将日期列设置为索引,然后使用reindex
函数重新索引,以包含给定的日期范围。接下来,使用fillna
函数进行前向填充和后向填充,以填充缺失的值。最后,使用concat
函数将填充后的分组数据表合并到df_filled
中。
最后,打印输出df_filled
,显示按照给定的时间段/时间序列按ID填充后的数据表。