使用 pandas 或 numpy 填充缺失的时间序列数据

Posted

技术标签:

【中文标题】使用 pandas 或 numpy 填充缺失的时间序列数据【英文标题】:Fill missing timeseries data using pandas or numpy 【发布时间】:2015-11-21 09:10:37 【问题描述】:

我有一个字典列表,如下所示:

L=[

"timeline": "2014-10", 
"total_prescriptions": 17
, 

"timeline": "2014-11", 
"total_prescriptions": 14
, 

"timeline": "2014-12", 
"total_prescriptions": 8
,

"timeline": "2015-1", 
"total_prescriptions": 4
, 

"timeline": "2015-3", 
"total_prescriptions": 10
, 

"timeline": "2015-4", 
"total_prescriptions": 3
 
]

这基本上是 SQL 查询的结果,当给出开始日期和结束日期时,会给出从开始日期到结束月份的每个月的总处方计数。但是,对于处方计数为的月份0(2015 年 2 月),它完全跳过了那个月。是否可以使用 pandas 或 numpy 来更改此列表,以便为缺少的月份添加一个条目,其中 0 作为总处方如下:

[

"timeline": "2014-10", 
"total_prescriptions": 17
, 

"timeline": "2014-11", 
"total_prescriptions": 14
, 

"timeline": "2014-12", 
"total_prescriptions": 8

"timeline": "2015-1", 
"total_prescriptions": 4
, 

"timeline": "2015-2",   # 2015-2 to be inserted for missing month
"total_prescriptions": 0 # 0 to be inserted for total prescription
, 

"timeline": "2015-3", 
"total_prescriptions": 10
, 

"timeline": "2015-4", 
"total_prescriptions": 3
 
]

【问题讨论】:

【参考方案1】:

您所说的在 Pandas 中称为“重采样”;首先将您的时间转换为 numpy 日期时间并设置为您的索引:

df = pd.DataFrame(L)
df.index=pd.to_datetime(df.timeline,format='%Y-%m')
df
           timeline  total_prescriptions
timeline                                
2014-10-01  2014-10                   17
2014-11-01  2014-11                   14
2014-12-01  2014-12                    8
2015-01-01   2015-1                    4
2015-03-01   2015-3                   10
2015-04-01   2015-4                    3

然后您可以使用resample('MS')(MS 代表“月份开始”我猜)添加您缺少的月份,并使用fillna(0) 将空值转换为零,以满足您的要求。

df = df.resample('MS').fillna(0)
df
            total_prescriptions
timeline                       
2014-10-01                   17
2014-11-01                   14
2014-12-01                    8
2015-01-01                    4
2015-02-01                  NaN
2015-03-01                   10
2015-04-01                    3

要转换回原始格式,请使用to_native_types 将日期时间索引转换回字符串,然后使用to_dict('records') 导出:

df['timeline']=df.index.to_native_types()
df.to_dict('records')
['timeline': '2014-10-01', 'total_prescriptions': 17.0,
 'timeline': '2014-11-01', 'total_prescriptions': 14.0,
 'timeline': '2014-12-01', 'total_prescriptions': 8.0,
 'timeline': '2015-01-01', 'total_prescriptions': 4.0,
 'timeline': '2015-02-01', 'total_prescriptions': 0.0,
 'timeline': '2015-03-01', 'total_prescriptions': 10.0,
 'timeline': '2015-04-01', 'total_prescriptions': 3.0]

【讨论】:

这真是太好了..正是我需要的..一旦添加了缺失的日期,您知道如何将 df 转换回字典列表... 好的..我想通了..df.to_dict('records')..非常感谢您对此的帮助 好的..我有点太兴奋了..当我这样做时..它只是给了我total_prescriptions..我将如何取回原始列表 我添加了转换回原始格式的说明

以上是关于使用 pandas 或 numpy 填充缺失的时间序列数据的主要内容,如果未能解决你的问题,请参考以下文章

使用 Pandas 填充缺失的数据

技巧 Pandas 数据填充

R语言-均值填充缺失值

在 Pandas 数据框列中填充缺失的日期值

如何在指定的时间间隔使用 shift 填充 pandas 中的缺失值?

pandas如何实现缺失的行数据按上一行数据进行填充?