时间戳

首页 > 解决方案 > 在特定日期替换 pandas DataFrame 中的 NaN（上采样）

python - 在特定日期替换 pandas DataFrame 中的 NaN（上采样）

问题描述

我是 python 新手，我正在为以下示例而苦苦挣扎：我有一个带有 dateTime-Index 的 pandas DataFrame 和一个带有 feastdays 的列。这是每日分辨率。

import pandas as pd
import holidays

hd = holidays.Switzerland(years=[2018])
f = pd.DataFrame(hd.items())
f.columns = ['date', 'feastday']
f['date'] = pd.to_datetime(f['date'])
f = f.set_index('date')

这看起来像这样：

date                feastday        
2018-01-01      Neujahrestag
2018-04-01            Ostern
2018-03-30        Karfreitag
2018-04-02       Ostermontag
2018-05-10          Auffahrt
2018-05-20         Pfingsten
2018-05-21     Pfingstmontag
2018-08-01  Nationalfeiertag
2018-12-25       Weihnachten

现在我想要的数据不是每日分辨率，而是例如 6H 分辨率：

f1 = f.resample('6H').asfreq()

这如我所愿，并导致：

date                     feastday        
2018-01-01 00:00:00  Neujahrestag
2018-01-01 06:00:00           NaN
2018-01-01 12:00:00           NaN
2018-01-01 18:00:00           NaN
2018-01-02 00:00:00           NaN
2018-01-02 06:00:00           NaN
2018-01-02 12:00:00           NaN

但现在我想为所有 2018-01-01 填写例如“Neujahrstag”，而不仅仅是第一项。结果应该是这样的（不仅对于“Neujahrstag”，对于 mit DataFrame f 中的所有项目）。所有具有相同日期的项目在 feastday 中应具有相同的值。那个日期的时间无关紧要：

 date                     feastday        
2018-01-01 00:00:00  Neujahrestag
2018-01-01 06:00:00  Neujahrestag
2018-01-01 12:00:00  Neujahrestag
2018-01-01 18:00:00  Neujahrestag
2018-01-02 00:00:00           NaN
2018-01-02 06:00:00           NaN
2018-01-02 12:00:00           NaN

我可以通过以下方式手动替换一项：

f1['2018-01-01'] = f1['2018-01-01']['feastday'][0]

这没有问题，但我没有为所有数据自动运行这些东西......我用for循环尝试过，但我没有成功。有谁能够帮我。也许还有其他（更简单）的方法可以达到我的目标？在此先感谢您的帮助。

马可

标签： pythonpandasdatetimeindex

解决方案

使用模式按天分组df.groupby(df.index.day)是一种方法：

f1 = f.resample('6H').asfreq()
res = f1.groupby(f1.index.day).ffill()[['feastday']]
res.head(7)
                         feastday
date
2018-01-01 00:00:00  Neujahrestag
2018-01-01 06:00:00  Neujahrestag
2018-01-01 12:00:00  Neujahrestag
2018-01-01 18:00:00  Neujahrestag
2018-01-02 00:00:00           NaN
2018-01-02 06:00:00           NaN
2018-01-02 12:00:00           NaN

推荐阅读