为数据框中缺少的行添加未来日期答案

【问题标题】：Add Future dates for missing Rows in a Dataframe为数据框中缺少的行添加未来日期
【发布时间】：2021-02-17 10:25:38
【问题描述】：

如何用数据框中的下一个日期估算错过的日期？

wtg_at1.tail(10)

	AmbientTemperatue	Date
818	31.237499	2020-03-28
819	32.865974	2020-03-29
820	32.032558	2020-03-30
821	31.671166	NaN
822	31.389927	NaN
823	31.243660	NaN
824	31.206777	NaN
825	31.241503	NaN
826	31.309531	NaN
827	31.382531	NaN

我期待我的输出数据框类似于下面的内容。 3 月 30 日之后，我预计下一个日期是 3 月 31 日。

	AmbientTemperatue	Date
818	31.237499	2020-03-28
819	32.865974	2020-03-29
820	32.032558	2020-03-30
821	31.671166	2020-03-31
822	31.389927	2020-04-01
823	31.243660	2020-04-02
824	31.206777	2020-04-03
825	31.241503	2020-04-04
826	31.309531	2020-04-05
827	31.382531	2020-04-06

我尝试了下面的代码，但没有给出想要的输出。

wtg_at1.append(pd.DataFrame({'Date': pd.date_range(start=wtg_at1.Date.iloc[-8], periods=7, freq='D', closed='right')}))
wtg_at1

	AmbientTemperatue	Date
0	32.032558	2017-12-31
1	26.667757	2018-01-01
2	25.655754	2018-01-02
3	25.514013	2018-01-03
4	24.927652	2018-01-04
...	...	...
823	31.243660	NaN
824	31.206777	NaN
825	31.241503	NaN
826	31.309531	NaN
827	31.382531	NaN

【问题讨论】：

标签： python python-3.x pandas dataframe

【解决方案1】：

如果只有一组缺失值，则可以向前填充它们并通过转换为天数时间增量的累积和添加计数器：

df['Date'] = pd.to_datetime(df['Date'])

df['Date'] = df['Date'].ffill() + pd.to_timedelta(df['Date'].isna().cumsum(), unit='d')
print (df)
     AmbientTemperatue       Date
818          31.237499 2020-03-28
819          32.865974 2020-03-29
820          32.032558 2020-03-30
821          31.671166 2020-03-31
822          31.389927 2020-04-01
823          31.243660 2020-04-02
824          31.206777 2020-04-03
825          31.241503 2020-04-04
826          31.309531 2020-04-05
827          31.382531 2020-04-06

另一个可能的想法是通过DataFrame的最小日期时间和长度重新分配值：

df['Date'] = pd.date_range(df['Date'].min(), periods=len(df))

如果存在多个缺失值的组：

print (df)
     AmbientTemperatue        Date
818          31.237499  2020-03-28
819          32.865974  2020-03-29
820          32.032558  2020-03-30
821          31.671166         NaN
822          31.389927         NaN
823          31.243660         NaN
824          31.206777  2020-05-08
825          31.241503         NaN
826          31.309531         NaN
827          31.382531         NaN

df['Date'] = pd.to_datetime(df['Date'])

m = df['Date'].notna()
s = (~m).groupby(m.cumsum()).cumsum()
df['Date'] = df['Date'].ffill() + pd.to_timedelta(s, unit='d')
print (df)
    AmbientTemperatue       Date
818          31.237499 2020-03-28
819          32.865974 2020-03-29
820          32.032558 2020-03-30
821          31.671166 2020-03-31
822          31.389927 2020-04-01
823          31.243660 2020-04-02
824          31.206777 2020-05-08
825          31.241503 2020-05-09
826          31.309531 2020-05-10
827          31.382531 2020-05-11

【讨论】：