Pandas - 将具有开始和结束日期的数据框转换为每日数据
Posted
技术标签:
【中文标题】Pandas - 将具有开始和结束日期的数据框转换为每日数据【英文标题】:Pandas - Convert dataframe with start and end date to daily data 【发布时间】:2019-12-11 12:45:03 【问题描述】:每个 ID 有一个记录,包括开始日期和结束日期
id age state start_date end_date
123 18 CA 2/17/2019 5/4/2019
223 24 AZ 1/17/2019 3/4/2019
我想在开始日和结束日之间的每一天创建一条记录,以便将每日活动数据加入其中。目标输出看起来像这样
id age state start_date
123 18 CA 2/17/2019
123 18 CA 2/18/2019
123 18 CA 2/19/2019
123 18 CA 2/20/2019
123 18 CA 2/21/2019
…
123 18 CA 5/2/2019
123 18 CA 5/3/2019
123 18 CA 5/4/2019
当然,对数据集中的所有 id 及其各自的开始日期执行此操作。非常感谢任何帮助 - 谢谢!
【问题讨论】:
为什么从 2019 年 6 月 17 日开始,而不是 2019 年 2 月 17 日? 对不起,错字。固定.... 【参考方案1】:
melt
, GroupBy
, resample
& ffill
首先,我们将melt
(unpivot) 您的两个日期列合并为一个。然后我们每天resample
:
melt = df.melt(id_vars=['id', 'age', 'state'], value_name='date').drop('variable', axis=1)
melt['date'] = pd.to_datetime(melt['date'])
melt = melt.groupby('id').apply(lambda x: x.set_index('date').resample('d').first())\
.ffill()\
.reset_index(level=1)\
.reset_index(drop=True)
输出
date id age state
0 2019-02-17 123.0 18.0 CA
1 2019-02-18 123.0 18.0 CA
2 2019-02-19 123.0 18.0 CA
3 2019-02-20 123.0 18.0 CA
4 2019-02-21 123.0 18.0 CA
.. ... ... ... ...
119 2019-02-28 223.0 24.0 AZ
120 2019-03-01 223.0 24.0 AZ
121 2019-03-02 223.0 24.0 AZ
122 2019-03-03 223.0 24.0 AZ
123 2019-03-04 223.0 24.0 AZ
[124 rows x 4 columns]
编辑:
我不得不在一个项目中重新审视这个问题,看起来使用 DataFrame.apply
与 pd.date_range
和 DataFrame.explode
几乎快 3 倍:
df["date"] = df.apply(
lambda x: pd.date_range(x["start_date"], x["end_date"]), axis=1
)
df = (
df.explode("date", ignore_index=True)
.drop(columns=["start_date", "end_date"])
)
输出
id age state date
0 123 18 CA 2019-02-17
1 123 18 CA 2019-02-18
2 123 18 CA 2019-02-19
3 123 18 CA 2019-02-20
4 123 18 CA 2019-02-21
.. ... ... ... ...
119 223 24 AZ 2019-02-28
120 223 24 AZ 2019-03-01
121 223 24 AZ 2019-03-02
122 223 24 AZ 2019-03-03
123 223 24 AZ 2019-03-04
[124 rows x 4 columns]
【讨论】:
该死的,不错。以后会用这个。 melt = melt.set_index('date').resample('d',).first().ffill().reset_index() 这个命令减少了记录的数量(预计会爆炸它按开始日期和结束日期之间的天数计算)。上一步每个 ID 有两条记录,但在上面提到的行之后只剩下少量 Id,有些只有 1 条记录,即使它们在开始日期和结束日期之间有很多天 是的,你是对的,我忘记了每个 id 的groupby
。见编辑,这应该给出正确的输出。 @LXandor
效果很好。感谢您的帮助【参考方案2】:
对列 start_date
和 end_date
的值使用 listcomp 和 pd.date_range
为每个记录创建日期列表。接下来,从 listcomp 的结果构造一个新的数据框,并连接回df
的其他 3 列。最后set_index
、stack
和reset_index
返回
a = [pd.date_range(*r, freq='D') for r in df[['start_date', 'end_date']].values]
df[['id', 'age', 'state']].join(pd.DataFrame(a)).set_index(['id', 'age', 'state']) \
.stack().droplevel(-1).reset_index()
Out[187]:
id age state 0
0 123 18 CA 2019-02-17
1 123 18 CA 2019-02-18
2 123 18 CA 2019-02-19
3 123 18 CA 2019-02-20
4 123 18 CA 2019-02-21
5 123 18 CA 2019-02-22
6 123 18 CA 2019-02-23
7 123 18 CA 2019-02-24
8 123 18 CA 2019-02-25
9 123 18 CA 2019-02-26
10 123 18 CA 2019-02-27
11 123 18 CA 2019-02-28
12 123 18 CA 2019-03-01
13 123 18 CA 2019-03-02
14 123 18 CA 2019-03-03
15 123 18 CA 2019-03-04
16 123 18 CA 2019-03-05
17 123 18 CA 2019-03-06
18 123 18 CA 2019-03-07
19 123 18 CA 2019-03-08
20 123 18 CA 2019-03-09
21 123 18 CA 2019-03-10
22 123 18 CA 2019-03-11
23 123 18 CA 2019-03-12
24 123 18 CA 2019-03-13
25 123 18 CA 2019-03-14
26 123 18 CA 2019-03-15
27 123 18 CA 2019-03-16
28 123 18 CA 2019-03-17
29 123 18 CA 2019-03-18
.. ... ... ... ...
94 223 24 AZ 2019-02-03
95 223 24 AZ 2019-02-04
96 223 24 AZ 2019-02-05
97 223 24 AZ 2019-02-06
98 223 24 AZ 2019-02-07
99 223 24 AZ 2019-02-08
100 223 24 AZ 2019-02-09
101 223 24 AZ 2019-02-10
102 223 24 AZ 2019-02-11
103 223 24 AZ 2019-02-12
104 223 24 AZ 2019-02-13
105 223 24 AZ 2019-02-14
106 223 24 AZ 2019-02-15
107 223 24 AZ 2019-02-16
108 223 24 AZ 2019-02-17
109 223 24 AZ 2019-02-18
110 223 24 AZ 2019-02-19
111 223 24 AZ 2019-02-20
112 223 24 AZ 2019-02-21
113 223 24 AZ 2019-02-22
114 223 24 AZ 2019-02-23
115 223 24 AZ 2019-02-24
116 223 24 AZ 2019-02-25
117 223 24 AZ 2019-02-26
118 223 24 AZ 2019-02-27
119 223 24 AZ 2019-02-28
120 223 24 AZ 2019-03-01
121 223 24 AZ 2019-03-02
122 223 24 AZ 2019-03-03
123 223 24 AZ 2019-03-04
[124 rows x 4 columns]
【讨论】:
以上是关于Pandas - 将具有开始和结束日期的数据框转换为每日数据的主要内容,如果未能解决你的问题,请参考以下文章
是否可以使用 matplotlib 将 x 轴设置为仅显示开始日期和结束日期?
在给定日期时间连续性的情况下,Pandas 输出日期、开始和结束时间以及事件状态
如何使用 pandas.date_range() 在指定的开始日期和结束日期之间获取具有 n 个指定周期(相等)的时间序列