时间戳

首页 > 解决方案 > 查找每个客户的日期时间缺失值

python - 查找每个客户的日期时间缺失值

问题描述

    CustID  UsageDate               EnergyConsumed
0   17111   2018-01-01 00:00:00     1.095
1   17111   2018-01-01 01:00:00     1.129
2   17111   2018-01-01 02:00:00     1.165
3   17111   2018-01-01 03:00:00     1.833
4   17111   2018-01-01 04:00:00     1.697
5   17111   2018-01-01 05:00:00     1.835
missing data point 1
6   17111   2018-01-01 07:00:00     1.835
7   17112   2018-01-01 00:00:00     1.095
8   17112   2018-01-01 01:00:00     1.129
missing data point 1
9   17112   2018-01-01 03:00:00     1.833
10  17112   2018-01-01 04:00:00     1.697
11  17112   2018-01-01 05:00:00     1.835

对于每个客户，我都有每小时的数据。但是，两者之间缺少一些数据点。我想检查使用日期的最小值和最大值，并在该时间间隔内填写缺失的使用日期（所有值都是每小时），并将 EnergyConsumed 设为零。我以后可以使用 ffill 或 backfill 来解决这个问题。

并非每个客户的最大 UsageDate 是 2018-01-31 23:00:00。所以我们只想将系列延长到每个客户的最大日期。

缺失点 1 替换为

17111        2018-01-01 06:00:00     0

缺失点 2 替换为

17112        2018-01-01 02:00:00     0

我的主要问题是如何找到每个客户的最小和最大日期，然后生成日期间隔。

我曾尝试按日期索引和重新采样，但没有帮助我找到解决方案。

另外，我想知道是否有一种方法可以直接找到上述模式中缺失值的客户 ID。我的数据非常大，@Vaishali 提供的解决方案计算量很大。任何输入都会有所帮助！

标签： pythonpython-3.xpandasdatedatetime

解决方案

您可以按 custid 对数据框进行分组，并创建具有所需日期范围的索引。现在使用此索引重新索引数据

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

idx = df.groupby('CustID')['UsageDate'].apply(lambda x: pd.Series(index = pd.date_range(x.min(), x.max(), freq = 'H'))).index

df.set_index(['CustID', 'UsageDate']).reindex(idx).fillna(0).reset_index().rename(columns = {'level_1':'UsageDate'})

    CustID  UsageDate               EnergyConsumed
0   17111   2018-01-01 00:00:00     1.095
1   17111   2018-01-01 01:00:00     1.129
2   17111   2018-01-01 02:00:00     1.165
3   17111   2018-01-01 03:00:00     1.833
4   17111   2018-01-01 04:00:00     1.697
5   17111   2018-01-01 05:00:00     1.835
6   17111   2018-01-01 06:00:00     0.000
7   17111   2018-01-01 07:00:00     1.835
8   17112   2018-01-01 00:00:00     1.095
9   17112   2018-01-01 01:00:00     1.129
10  17112   2018-01-01 02:00:00     0.000
11  17112   2018-01-01 03:00:00     1.833
12  17112   2018-01-01 04:00:00     1.697
13  17112   2018-01-01 05:00:00     1.835

说明：由于 Usagedates 必须是该 CustID 的最小和最大日期范围内的所有日期，因此我们按 CustID 对数据进行分组，并使用 date_range 创建一系列最小和最大日期。将日期设置为系列的索引而不是值。groupby 的结果将是一个多索引，其 CUSTID 为 0 级，使用日期为 1 级。我们现在使用这个多索引来重新索引原始数据帧。它将使用索引匹配的值，其余部分分配 NaN。最后使用 fillna 将 NaN 转换为 0。

推荐阅读