如何在 Pandas 中扩展和创建以下数据集

Posted 2023-03-24

【中文标题】如何在 Pandas 中扩展和创建以下数据集

【英文标题】：How to expand and create the following dataset in Pandas

【发布时间】：2021-12-21 09:55:34

【问题描述】：

我有一个如下所示的数据集：

df = pd.DataFrame(
    'weekstart':['01-Jan-18','08-Jan-18','15-Jan-18','22-Jan-18'],
    'weekend':['07-Jan-18','14-Jan-18','21-Jan-18','28-Jan-18'],
    'Spend':[34235.922,37359.6048,38916.1164,36903.8628],
    'Daily':[4890.846,5337.086,5559.445,5271.98],
)

我想扩展它以获取每日值并创建一个包含每日日期的新数据集以形成如下内容：

谢谢！！

【问题讨论】：

weekstart 和 weekend 之间的天数是否始终相同？

如果您发布实际文本/代码而不是图片，这将非常有帮助

类似的解决方案可能就是您正在寻找的：***.com/questions/57525566/… 如果您能够提供示例 DataFrame，我很乐意尝试。

@Daweo 是的，它总是一样的

@Tranbi 我已经添加了生成第一个数据集道歉的代码

【参考方案1】：

转换为日期时间 使用pd.date_range 创建一个包含“weekstart”和“weekend”之间所有日期的列 使用explode 拆分成单独的行。

df["weekstart"] = pd.to_datetime(df["weekstart"])
df["weekend"] = pd.to_datetime(df["weekend"])

df["days"] = df.apply(lambda x: pd.date_range(x["weekstart"], x["weekend"], freq="D"), axis=1)
df = df.explode("days")
output = df[["days", "Daily"]]

>>> output

        days     Daily
0 2018-01-01  4890.846
0 2018-01-02  4890.846
0 2018-01-03  4890.846
0 2018-01-04  4890.846
0 2018-01-05  4890.846
0 2018-01-06  4890.846
0 2018-01-07  4890.846
1 2018-01-08  5337.086
1 2018-01-09  5337.086
1 2018-01-10  5337.086
1 2018-01-11  5337.086
1 2018-01-12  5337.086
1 2018-01-13  5337.086
1 2018-01-14  5337.086
2 2018-01-15  5559.445
2 2018-01-16  5559.445
2 2018-01-17  5559.445
2 2018-01-18  5559.445
2 2018-01-19  5559.445
2 2018-01-20  5559.445
2 2018-01-21  5559.445
3 2018-01-22  5271.980
3 2018-01-23  5271.980
3 2018-01-24  5271.980
3 2018-01-25  5271.980
3 2018-01-26  5271.980
3 2018-01-27  5271.980
3 2018-01-28  5271.980

【讨论】：

我在尝试运行此解决方案时不断收到错误消息：ValueError: Length of values does not match length of index

这适用于您提供的示例。找出您的错误来自哪里，并在您的问题中包含一个导致此错误的最小可重现示例。

我认为我遇到的问题是 - weekstart/周末不是日期时间格式，只是 dtype = 'o'。这个示例数据集是 ^ 但我正在导入的实际 csv 不是。你能帮忙吗？

@HimansuOdedra - 查看将字符串转换为日期时间的编辑。

【参考方案2】：

这似乎是一个简单的问题。使用 df.iterrows() 迭代现有数据框，然后获取当前日期范围，然后使用此范围迭代日期范围，并使用这些日期使用详细日期和金额填充另一个数据框。我迭代数据框，因为我将数据扩展为新的数据框，而不是使用数据框爆炸添加新列

df  = pd.DataFrame(
'weekstart':['01-Jan-18','08-Jan-18','15-Jan-18','22-Jan-18'],
'weekend':['07-Jan-18','14-Jan-18','21-Jan-18','28-Jan-18'],
'Spend':[34235.922,37359.6048,38916.1164,36903.8628],
'Daily':[4890.846,5337.086,5559.445,5271.98],
)

#for key, value in df.iterrows():
#   fill a range with weekstart and weekend date ranges:
#   iterate the range and populate the new data frame 

df2=pd.DataFrame(columns=['Date','Amount'])
df2['Date']=pd.to_datetime(df2['Date'])

for key,value in df.iterrows():
    amount=value['Daily']
    for date in pd.date_range(value['weekstart'], value['weekend']):
        df2=df2.append("Date":date, "Amount":amount,ignore_index=True)

index=range(1,len(df2)+1) 
df2.set_index(pd.Index(index),'index',inplace=True)

plt.plot(df2['Date'],df2['Amount'])
plt.xticks(rotation=90)
plt.show()

print(df2)

输出：

Date    Amount
1  2018-01-01  4890.846
2  2018-01-02  4890.846
3  2018-01-03  4890.846
4  2018-01-04  4890.846
5  2018-01-05  4890.846
6  2018-01-06  4890.846
7  2018-01-07  4890.846
8  2018-01-08  5337.086
9  2018-01-09  5337.086
10 2018-01-10  5337.086
11 2018-01-11  5337.086
12 2018-01-12  5337.086
13 2018-01-13  5337.086
14 2018-01-14  5337.086
15 2018-01-15  5559.445
16 2018-01-16  5559.445
17 2018-01-17  5559.445
18 2018-01-18  5559.445
19 2018-01-19  5559.445
20 2018-01-20  5559.445
21 2018-01-21  5559.445
22 2018-01-22  5271.980
23 2018-01-23  5271.980
24 2018-01-24  5271.980
25 2018-01-25  5271.980
26 2018-01-26  5271.980
27 2018-01-27  5271.980
28 2018-01-28  5271.980

【讨论】：

你shouldn't iterate over dataframes当有其他选择时。