Pandas .resample 或 .asfreq 填充缺失的日期时间条目答案

【问题标题】：Pandas .resample or .asfreq to fill in missing datetime entriesPandas .resample 或 .asfreq 填充缺失的日期时间条目
【发布时间】：2019-02-21 12:57:36
【问题描述】：

我有一个如下所示的数据框：

import pandas as pd
d = {'TransactionId' : pd.Series([633025, 634560],index = ['2018-01-07 22:30:00', '2018-01-08 19:00:00']),
 'Value' : pd.Series([677.06, 677.44], index = ['2018-01-07 22:30:00', '2018-01-08 19:00:00'])}
df = pd.DataFrame(d)
df.head()

一旦 TransactionId 633025 完成，值将停止记录，直到下一个事务开始。我想在两次出现之间每 15 分钟添加一个日期时间索引值，TransactionId 为“NaN”，并向前填充 Value 列。我试过使用 .resample 和 .asfreq 没有任何运气；使用“15分钟”期间的任何一个都不会相应地修改数据帧。我该怎么做？

【问题讨论】：

标签： python-3.x pandas datetime

【解决方案1】：

首先，将您的索引设为datetime，然后您可以使用.resample，然后再使用.ffill

import pandas as pd

df.index = pd.to_datetime(df.index)
df = df.resample('15min').asfreq()
df['Value'] = df['Value'].ffill()

输出：

                     TransactionId   Value
2018-01-07 22:30:00       633025.0  677.06
2018-01-07 22:45:00            NaN  677.06
2018-01-07 23:00:00            NaN  677.06
2018-01-07 23:15:00            NaN  677.06
2018-01-07 23:30:00            NaN  677.06 
...
2018-01-08 18:00:00            NaN  677.06
2018-01-08 18:15:00            NaN  677.06
2018-01-08 18:30:00            NaN  677.06
2018-01-08 18:45:00            NaN  677.06
2018-01-08 19:00:00       634560.0  677.44

【讨论】：

好的，所以这非常适合我在问题中输入代码的方式；在实际脚本中，我调用 read_csv，并使用以下行设置索引：df.set_index('Timestamp', inplace = True)。由于某种原因，您的解决方案不再有效。知道它可能是什么吗？
@thepez87 你得到什么错误？是否某些时间戳无效或格式无法自动解析？也许在设置索引之前尝试df['Timestamp'] = pd.to_datetime(df.Timestamp)，这样索引会正确设置为日期时间，然后删除上面的第一行。
所以我尝试在将时间戳设置为索引之前将其设置为日期时间，但这无济于事。我实际上并没有收到错误，它只是什么都不做，即执行 .resample 后数据框的形状保持不变，即使它应该随着新填充的值而大大增加。
@thepez87 你确定用df = df.resample() 将它分配回来。默认情况下，它将返回一个副本，如果您不将其分配回df，您将永远不会真正更改DataFrame
啊啊啊就是这样。谢谢！！