如何用零计数填充 Pandas DataFrame 中缺失的日期？

将缺失的日期添加到 Pandas Dataframe

处理时间序列数据时，您可能会遇到某些日期没有对应事件的情况。如果不同系列之间的日期范围不匹配，绘制此类数据可能会导致不一致。

解决此问题的一种方法是将缺失的日期添加到计数为零的数据框中。这确保了完整的图表代表整个时间跨度，即使对于没有事件的日期也是如此。

要实现这一点，您可以利用 Series.reindex 方法。此方法允许您调整系列的索引以匹配不同的索引。在您的情况下，您将根据所需的日期范围重新索引您的系列，确保它包含该范围内的所有日期。任何缺失的日期都将以零计数填充。

以下是演示此方法的示例：

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)

此代码会生成以下输出：

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
...

当您可以看到，缺失的日期（09-04 和 09-05）已添加到计数为零的系列中，从而形成完整的图表30天。通过使用重新索引方法，您可以有效处理日期范围差异并为时间序列数据创建全面的可视化。

以上是如何用零计数填充 Pandas DataFrame 中缺失的日期？的详细内容。更多信息请关注PHP中文网其他相关文章！