Python Pandas 根据时间序列中缺失的顺序值添加行答案

【问题标题】：Python Pandas add rows based on missing sequential values in a timeseriesPython Pandas 根据时间序列中缺失的顺序值添加行
【发布时间】：2015-06-01 01:51:50
【问题描述】：

我是 python 新手，正在努力处理 pandas 库中的数据。我有一个这样的熊猫数据库：

    Year  Value
0    91     1
1    93     4
2    94     7
3    95    10
4    98    13

并且想用空值完成缺失的年份创建行，像这样：

    Year  Value
0    91     1
1    92     0
2    93     4
3    94     7
4    95    10
5    96     0
6    97     0
7    98    13

我如何在 Python 中做到这一点？（我想这样做，这样我就可以在不跳过年份的情况下绘制价值）

【问题讨论】：

标签： python pandas row

【解决方案1】：

我将创建一个以年份为索引的新数据框，并包含您需要涵盖的整个日期范围。然后您可以简单地设置两个数据框的值，索引将确保它们正确的行匹配（我不得不使用 fillna 将缺失的年份设置为零，默认情况下它们将设置为 NaN ):

df = pd.DataFrame({'Year':[91,93,94,95,98],'Value':[1,4,7,10,13]})
df.index = df.Year
df2 = pd.DataFrame({'Year':range(91,99), 'Value':0})
df2.index = df2.Year

df2.Value = df.Value
df2= df2.fillna(0)
df2
      Value  Year
Year             
91        1    91
92        0    92
93        4    93
94        7    94
95       10    95
96        0    96
97        0    97
98       13    98

最后，如果您不希望 Year 作为索引，您可以使用 reset_index：

df2.drop('Year',1).reset_index()

   Year  Value
0    91      1
1    92      0
2    93      4
3    94      7
4    95     10
5    96      0
6    97      0
7    98     13

【讨论】：

非常感谢，成功了！ :)