如何用零填充 pandas groupby 列表的缺失日期？

Posted 2023-03-11

【中文标题】如何用零填充 pandas groupby 列表的缺失日期？

【英文标题】：How do I fill in missing dates with zeros for a pandas groupby list?

【发布时间】：2019-11-01 08:57:35

【问题描述】：

我希望记录交易的每日记录，并记录发生 0 次交易的天数。

这是我的初始数据框：

df.head()
tr_timestamp  text      location
2016-01-01    cookies   TX
2016-01-01    pizza     TX
2016-01-04    apples    TX
2016-01-08    bread     TX

当我每天运行一个小组时，我会得到以下信息：

df_by_day = df['tr_timestamp'].groupby(df.tr_timestamp).count()
df_by_day

tr_timestamp
2016-01-01  2
2016-01-04  1
2016-01-08  1

我希望使用 Python/Pandas 填充没有交易的日期，以便获得以下输出：

df_by_day_filled

tr_timestamp
2016-01-01  2
2016-01-02  0
2016-01-03  0
2016-01-04  1
2016-01-05  0
2016-01-06  0
2016-01-07  0
2016-01-08  1

我尝试了以下答案，但并不能完全给出我需要返回的输出：

Pandas groupby for zero values

Fill Missing Dates in DataFrame with Duplicate Dates in Groupby

谢谢。

【参考方案1】：

这是一个resample 操作：

df.set_index(pd.to_datetime(df.pop('tr_timestamp'))).resample('D')['text'].count()

tr_timestamp
2016-01-01    2
2016-01-02    0
2016-01-03    0
2016-01-04    1
2016-01-05    0
2016-01-06    0
2016-01-07    0
2016-01-08    1
Freq: D, Name: text, dtype: int64

如果“tr_timestamp”不是日期时间，pd.to_datetime 调用可确保此方法有效。如果是，则解决方案简化为

df.dtypes

tr_timestamp    datetime64[ns]
text                    object
location                object
dtype: object

df.set_index('tr_timestamp').resample('D')['text'].count()

tr_timestamp
2016-01-01    2
2016-01-02    0
2016-01-03    0
2016-01-04    1
2016-01-05    0
2016-01-06    0
2016-01-07    0
2016-01-08    1
Freq: D, Name: text, dtype: int64

【参考方案2】：

你也可以试试：

df_by_day.asfreq('D', fill_value=0)

输出：

tr_timestamp
2016-01-01    2
2016-01-02    0
2016-01-03    0
2016-01-04    1
2016-01-05    0
2016-01-06    0
2016-01-07    0
2016-01-08    1
Freq: D, Name: tr_timestamp, dtype: int64