Bagaimana untuk Mengisi Tarikh Hilang dalam Bingkai Data Pandas dengan Kiraan Sifar?

Tambahkan Tarikh Hilang pada Bingkai Data Pandas

Apabila bekerja dengan data siri masa, anda mungkin menghadapi situasi di mana tarikh tertentu tidak mempunyai acara yang sepadan. Merencanakan data sedemikian boleh menyebabkan ketidakkonsistenan jika julat tarikh tidak sepadan antara siri yang berbeza.

Satu pendekatan untuk menangani isu ini ialah menambah tarikh yang tiada pada bingkai data dengan kiraan sifar. Ini memastikan graf lengkap mewakili keseluruhan jangka masa, walaupun untuk tarikh tanpa peristiwa.

Untuk mencapai ini, anda boleh menggunakan kaedah Series.reindex. Kaedah ini membolehkan anda melaraskan indeks siri agar sepadan dengan indeks yang berbeza. Dalam kes anda, anda akan mengindeks semula siri anda berdasarkan julat tarikh yang diingini, memastikan ia termasuk semua tarikh dalam julat tersebut. Mana-mana tarikh yang hilang akan diisi dengan kiraan sifar.

Berikut ialah contoh yang menunjukkan pendekatan ini:

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)

print(s)

Kod ini menghasilkan output berikut:

2013-09-01     0
2013-09-02     2
2013-09-03    10
2013-09-04     0
2013-09-05     0
2013-09-06     5
2013-09-07     1
...

Sambil anda boleh lihat, tarikh yang hilang (09-04 dan 09-05) telah ditambah kepada siri dengan kiraan sifar, mengakibatkan graf lengkap 30 hari. Dengan menggunakan kaedah indeks semula, anda boleh mengendalikan percanggahan julat tarikh dengan berkesan dan mencipta visualisasi komprehensif untuk data siri masa anda.

Atas ialah kandungan terperinci Bagaimana untuk Mengisi Tarikh Hilang dalam Bingkai Data Pandas dengan Kiraan Sifar?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!