在 Pandas 数据框列中填充缺失的日期值

Posted

技术标签:

【中文标题】在 Pandas 数据框列中填充缺失的日期值【英文标题】:Fill the missing date values in a Pandas Dataframe column 【发布时间】:2016-11-16 14:56:30 【问题描述】:

我正在使用 Pandas 使用 Data Frames 存储股票价格数据。数据集中有 2940 行。数据集快照如下所示:

时间序列数据不包含周六和周日的值。因此,必须填充缺失值。 这是我写的代码,但没有解决问题:

import pandas as pd
import numpy as np
import os
os.chdir('C:/Users/Admin/Analytics/stock-prices')

data  = pd.read_csv('stock-data.csv')

# PriceDate Column - Does not contain Saturday and Sunday stock entries
data['PriceDate'] =  pd.to_datetime(data['PriceDate'], format='%m/%d/%Y')
data = data.sort_index(by=['PriceDate'], ascending=[True])


# Starting date is Aug 25 2004
idx = pd.date_range('08-25-2004',periods=2940,freq='D')


data = data.set_index(idx)
data['newdate']=data.index
newdate=data['newdate'].values   # Create a time series column   


data = pd.merge(newdate, data, on='PriceDate', how='outer')

如何填补周六周日的缺失值?

【问题讨论】:

【参考方案1】:

我认为您可以将resampleffillbfill 一起使用,但在set_index 之前来自PriceDate 列:

print (data)
   ID  PriceDate  OpenPrice  HighPrice
0   1  6/24/2016          1          2
1   2  6/23/2016          3          4
2   2  6/22/2016          5          6
3   2  6/21/2016          7          8
4   2  6/20/2016          9         10
5   2  6/17/2016         11         12
6   2  6/16/2016         13         14
data['PriceDate'] =  pd.to_datetime(data['PriceDate'], format='%m/%d/%Y')
data = data.sort_values(by=['PriceDate'], ascending=[True])
data.set_index('PriceDate', inplace=True)
print (data)
            ID  OpenPrice  HighPrice
PriceDate                           
2016-06-16   2         13         14
2016-06-17   2         11         12
2016-06-20   2          9         10
2016-06-21   2          7          8
2016-06-22   2          5          6
2016-06-23   2          3          4
2016-06-24   1          1          2

data = data.resample('D').ffill().reset_index()
print (data)
   PriceDate  ID  OpenPrice  HighPrice
0 2016-06-16   2         13         14
1 2016-06-17   2         11         12
2 2016-06-18   2         11         12
3 2016-06-19   2         11         12
4 2016-06-20   2          9         10
5 2016-06-21   2          7          8
6 2016-06-22   2          5          6
7 2016-06-23   2          3          4
8 2016-06-24   1          1          2

data = data.resample('D').bfill().reset_index()
print (data)
   PriceDate  ID  OpenPrice  HighPrice
0 2016-06-16   2         13         14
1 2016-06-17   2         11         12
2 2016-06-18   2          9         10
3 2016-06-19   2          9         10
4 2016-06-20   2          9         10
5 2016-06-21   2          7          8
6 2016-06-22   2          5          6
7 2016-06-23   2          3          4
8 2016-06-24   1          1          2

【讨论】:

使用 bfill( ).reset_index( ) 时,会显示以下 TypeError:仅对 DatetimeIndex、TimedeltaIndex 或 PeriodIndex 有效,但获得了 'RangeIndex' 的实例 您需要从列PriceDate - data.set_index('PriceDate', inplace=True) 设置索引。 我不确定是否理解正确 - 你需要设置新列 - data['new'] = data['PriceDate'] 吗? 不,我实际上得到了解决方案。想要 data['PriceDate'] 的相应日期名称而不重复。这与这个特定问题无关。在这里找到了打印日期名称而不重复的解决方案:***.com/questions/30222533/… @jezrael 当您的数据包含数百个不同的 ID 时,您有什么想法可以实现这一点吗?例如,我有 300 座建筑物的时间序列数据,需要为每个建筑物填写时间间隔作为单独的时间序列。我手工编写了一个函数,它似乎适用于小型数据集,但速度极慢。

以上是关于在 Pandas 数据框列中填充缺失的日期值的主要内容,如果未能解决你的问题,请参考以下文章

在python pandas中groupby之后从列中填充缺失的行

pandas使用fillna函数并设置fffill参数使用列中的前序值填充缺失值(replace missing values with preceding values in column in d

使用熊猫在数据框列中添加缺失时间

pandas(12):数据清洗(缺失值)

将 pandas 列中的值替换为缺失键的默认值

Pandas read_csv 用字符串“nan”填充空值,而不是解析日期