如何根据最近的行日期复制 DataFrame 中的行

Posted 2023-02-18

【中文标题】如何根据最近的行日期复制 DataFrame 中的行

【英文标题】：How to duplicate rows on DataFrame based on most recent row date

【发布时间】：2021-10-10 17:59:17

【问题描述】：

我的数据如下所示：

Report Date	Location	Data
8/6/2021	St. Louis	100
8/1/2021	St. Louis	89
7/29/2021	St. Louis	85
7/24/2021	St. Louis	80
7/30/2021	Louisville	92
7/25/2021	Louisville	79

但是当我使用内置的animation_groups 和animation_frames 在plotly 中绘制数据时，滑块会自然地从一行跳到另一行，这在每次“跳跃”时都不会产生直观的动画天数不同。

我正在尝试解决并做的是创建一个新表，该表复制行并保留真实的报告数据，但创建一个额外的“动画日期”以保持滑块过渡直观。我希望新的数据表如下所示。假设代码运行的日期是 2021 年 8 月 6 日。

Report Date	Animation Date	Location	Data	Days Since Most Recent Report
8/6/2021	8/6/2021	St. Louis	100	0
8/1/2021	8/5/2021	St. Louis	89	4
8/1/2021	8/4/2021	St. Louis	89	3
8/1/2021	8/3/2021	St. Louis	89	2
8/1/2021	8/2/2021	St. Louis	89	1
8/1/2021	8/1/2021	St. Louis	89	0
7/29/2021	7/30/2021	St. Louis	85	1
7/29/2021	7/29/2021	St. Louis	85	0
7/24/2021	7/28/2021	St. Louis	80	4
7/24/2021	7/27/2021	St. Louis	80	3
7/24/2021	7/26/2021	St. Louis	80	2
7/24/2021	7/25/2021	St. Louis	80	1
7/24/2021	7/24/2021	St. Louis	80	0
7/30/2021	8/6/2021	Louisville	92	7
7/30/2021	8/5/2021	Louisville	92	6
7/30/2021	8/4/2021	Louisville	92	5
7/30/2021	8/3/2021	Louisville	92	4
7/30/2021	8/2/2021	Louisville	92	3
7/30/2021	8/1/2021	Louisville	92	2
7/30/2021	7/31/2021	Louisville	92	1
7/30/2021	7/30/2021	Louisville	92	0
7/25/2021	7/29/2021	Louisville	79	4
7/25/2021	7/28/2021	Louisville	79	3
7/25/2021	7/27/2021	Louisville	79	2
7/25/2021	7/26/2021	Louisville	79	1
7/25/2021	7/25/2021	Louisville	79	0

通过这样做，动画可以显示“自最近报告以来的天数”或“报告日期”，以表明在动画播放时，显示的某些数据可能具有一定的古老性，但动画会适当地穿越时间并在那里是整个动画中显示的数据。每次“动画日期”与“报告日期”匹配时，都会为每个“动画日期”显示新的数据位，直到出现新的“报告日期”，并且循环重复自身直到动画达到现在。

如果有任何更简单的方法来解决这个问题，请告诉我！否则，在迭代旧 DataFrame 时，我很难在创建新 DataFrame 的逻辑上起步。

【参考方案1】：

IIUC 你可以reindex 到pd.MultiIndex.from_tuples：

df["Animation Date"] = pd.to_datetime(df["Report Date"])

max_date = df["Report Date"].max()

idx = pd.MultiIndex.from_tuples([[x, d] for x, y in df.groupby("Location")["Animation Date"]
                                 for d in pd.date_range(min(y), max_date)],
                                names=["Location", "Animation Date"])

s = df.set_index(["Location", "Animation Date"]).reindex(idx).reset_index()

s["Days Since"] = s.groupby(["Location", s.Data.notnull().cumsum()]).cumcount()

print (s.ffill())

      Location Animation Date Report Date   Data  Days Since
0   Louisville     2021-07-25   7/25/2021   79.0           0
1   Louisville     2021-07-26   7/25/2021   79.0           1
2   Louisville     2021-07-27   7/25/2021   79.0           2
3   Louisville     2021-07-28   7/25/2021   79.0           3
4   Louisville     2021-07-29   7/25/2021   79.0           4
5   Louisville     2021-07-30   7/30/2021   92.0           0
6   Louisville     2021-07-31   7/30/2021   92.0           1
7   Louisville     2021-08-01   7/30/2021   92.0           2
8   Louisville     2021-08-02   7/30/2021   92.0           3
9   Louisville     2021-08-03   7/30/2021   92.0           4
10  Louisville     2021-08-04   7/30/2021   92.0           5
11  Louisville     2021-08-05   7/30/2021   92.0           6
12  Louisville     2021-08-06   7/30/2021   92.0           7
13   St. Louis     2021-07-24   7/24/2021   80.0           0
14   St. Louis     2021-07-25   7/24/2021   80.0           1
15   St. Louis     2021-07-26   7/24/2021   80.0           2
16   St. Louis     2021-07-27   7/24/2021   80.0           3
17   St. Louis     2021-07-28   7/24/2021   80.0           4
18   St. Louis     2021-07-29   7/29/2021   85.0           0
19   St. Louis     2021-07-30   7/29/2021   85.0           1
20   St. Louis     2021-07-31   7/29/2021   85.0           2
21   St. Louis     2021-08-01    8/1/2021   89.0           0
22   St. Louis     2021-08-02    8/1/2021   89.0           1
23   St. Louis     2021-08-03    8/1/2021   89.0           2
24   St. Louis     2021-08-04    8/1/2021   89.0           3
25   St. Louis     2021-08-05    8/1/2021   89.0           4
26   St. Louis     2021-08-06    8/6/2021  100.0           0