如何解决在熊猫中按组添加缺少年份的行
我有一个看起来像这样的数据框
pd.DataFrame({'A': ['C1','C1','C2','C3','C3'],...: 'date': [date(2019,12,31),date(2018,date(2017,date(2016,31)],...: 'value': [9,9,8,4,3,6,4]})
Out[13]:
A date value
0 C1 2019-12-31 9
1 C1 2018-12-31 9
2 C1 2017-12-31 8
3 C1 2016-12-31 4
4 C2 2017-12-31 8
5 C2 2016-12-31 3
6 C3 2018-12-31 6
7 C3 2016-12-31 4
first_year = date(2016,31)
last_year = date(2019,31)
对于每个组，我需要在“ A”列中为每个组添加缺少的年份，并取上一年的“值”。我想通过输入变量说我的第一年和去年。我得到的数据框应该看起来像这样
A date value
0 C1 2019-12-31 9
1 C1 2018-12-31 9
2 C1 2017-12-31 8
3 C1 2016-12-31 4
4 C2 2019-12-31 8
5 C2 2018-12-31 8
6 C2 2017-12-31 8
7 C2 2016-12-31 3
8 C3 2019-12-31 6
9 C3 2018-12-31 6
10 C3 2017-12-31 4
11 C3 2016-12-31 4
以下逻辑适用（按A列中的组）
C1 = 2016年至2019年之间的所有年份已经可用
C2 =缺少2018年和2019年，需要添加该值并从2017年的上一个可用年份获取价值= 8
C3 =缺少2017年，从2016年获得价值。到2019年缺失，从2018年获得价值
解决方法
IIUC，您可以这样做：
idx = pd.MultiIndex.from_product([df['A'].unique(),pd.date_range(first_year,last_year,freq='A')],names=['A','date'])
df.set_index(['A','date'])\
.reindex(idx)\
.groupby(level=0)\
.ffill()\
.sort_index(level=[0,1],ascending=[True,False])\
.reset_index()
输出：
A date value
0 C1 2019-12-31 9.0
1 C1 2018-12-31 9.0
2 C1 2017-12-31 8.0
3 C1 2016-12-31 4.0
4 C2 2019-12-31 8.0
5 C2 2018-12-31 8.0
6 C2 2017-12-31 8.0
7 C2 2016-12-31 3.0
8 C3 2019-12-31 6.0
9 C3 2018-12-31 6.0
10 C3 2017-12-31 4.0
11 C3 2016-12-31 4.0
使用pd.MultiIndex.from_product创建一个'A'和日期范围的乘积。使用该索引，使用产品中创建的索引来设置或您的数据框的索引和reindex。最后，ffill先填充并重新排序数据框，然后再reset_index。
使用groupby + groupby.apply和reindex + ffill的另一个可能的想法：
i = pd.date_range(first_year,freq='Y',name='date')
df = df.set_index('date').groupby('A',group_keys=False)\
.apply(lambda s: s.reindex(i).ffill()).reset_index()
结果：
date A value
0 2016-12-31 C1 4.0
1 2017-12-31 C1 8.0
2 2018-12-31 C1 9.0
3 2019-12-31 C1 9.0
4 2016-12-31 C2 3.0
5 2017-12-31 C2 8.0
6 2018-12-31 C2 8.0
7 2019-12-31 C2 8.0
8 2016-12-31 C3 4.0
9 2017-12-31 C3 4.0
10 2018-12-31 C3 6.0
11 2019-12-31 C3 6.0
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。