如何在数据框python中一次添加多个日期行答案

【问题标题】：How to add multiple date rows at once in dataframe python如何在数据框python中一次添加多个日期行
【发布时间】：2020-01-06 10:52:37
【问题描述】：

我有一个包含日期索引、销售列和商店编号列的数据框。我想为缺少销售数据的商店填写缺失的销售值。

例如，假设我想用下面商店 10 的年度平均销售额来填充缺失的销售额值。假设我拥有的 2015 年商店 10 的销售数据是：

Sales| Store Number| Date
4000 |      10     | 2015-01-01
6000 |      10     | 2015-01-02
10000|      10     | 2016-01-01

如果这是我拥有的 2015 年商店 10 的唯一销售数据，那么我想创建 363 个新行，对应于日期 2015-01-03 到 2015-12-31，平均销售额为 mean( 4000,6000)=5000。我怎样才能有效地做到这一点？

【问题讨论】：

标签： python pandas date time-series

【解决方案1】：

这可以通过reindex 来获取每个商店的所有日期 + fillna 来用平均销售额替换缺失的日期。

import pandas as pd
#df['Date'] = pd.to_datetime(df['Date'])

idx = pd.MultiIndex.from_product(
        [df['Store Number'].unique(),
         pd.date_range(f'{df.Date.dt.year.min()}-01-01', 
                       f'{df.Date.dt.year.max()}-12-31', freq='D')])

df = df.set_index(['Store Number', 'Date']).reindex(idx)

# Mean per year by store. 
s = df.groupby([df.index.get_level_values(0), 
                df.index.get_level_values(1).year]).transform('mean')

df['Sales'] = df[['Sales']].fillna(s)

打印（df）

#                Sales
#10 2015-01-01   4000.0
#   2015-01-02   6000.0
#   2015-01-03   5000.0
#   2015-01-04   5000.0
#   2015-01-05   5000.0
#...                ...
#   2016-12-27  10000.0
#   2016-12-28  10000.0
#   2016-12-29  10000.0
#   2016-12-30  10000.0
#   2016-12-31  10000.0
#[731 rows x 1 columns]

因为reindex 超过了笛卡尔积，我们可以处理从未有任何销售的商店并在事后放弃它们，而不是慢慢地重新索引每个组。

m = (df['Sales'].isnull()
       .groupby([df.index.get_level_values(0), 
                 df.index.get_level_values(1).year]).transform('all'))

df = df.loc[~m]

【讨论】：

【解决方案2】：

您必须通过groupby Year 和 Store Number 根据当前数据集查找平均销售额。
然后估算到年底的剩余天数的平均销售额。

这个编码应该相当简单..

【讨论】：