Bagaimanakah Saya Boleh Mengisi Tarikh yang Hilang dalam Bingkai Data Pandas Saya?

Mengisi Tarikh Hilang dalam Pandas DataFrames

Apabila bekerja dengan bingkai data panda, adalah perkara biasa untuk menghadapi situasi di mana tarikh tiada daripada set data. Ini boleh membawa kepada ralat semasa menjalankan operasi seperti merancang atau mengira statistik.

Pertimbangkan kes di mana anda mempunyai bingkai data dengan berbilang peristiwa pada tarikh tertentu atau tiada acara pada tarikh. Jika anda mengumpulkan bingkai data mengikut tarikh dan mengira peristiwa, anda mungkin berakhir dengan siri yang mempunyai tarikh yang lebih sedikit daripada julat asal. Ini boleh menyebabkan ralat semasa cuba merancang siri terhadap julat tarikh asal.

Penyelesaian kepada isu ini ialah menambah tarikh yang hilang pada siri dengan kiraan 0. Ini boleh dicapai menggunakan indeks semula fungsi. Fungsi indeks semula mengambil indeks baharu sebagai hujah dan mengisi nilai yang tiada dengan nilai yang ditentukan (lalai kepada NaN).

import pandas as pd

idx = pd.date_range('09-01-2013', '09-30-2013')

s = pd.Series({'09-02-2013': 2,
               '09-03-2013': 10,
               '09-06-2013': 5,
               '09-07-2013': 1})
s.index = pd.DatetimeIndex(s.index)

s = s.reindex(idx, fill_value=0)

Kod di atas menggunakan indeks semula untuk menambah tarikh yang tiada pada siri s, dengan nilai isian 0. Ini menghasilkan satu siri dengan semua tarikh dalam julat '09-01-2013' hingga '09-30-2013', dengan kiraan 0 untuk tarikh yang tiada peristiwa berlaku.

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Mengisi Tarikh yang Hilang dalam Bingkai Data Pandas Saya?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!