python - 根据日期和以前的值填写缺失的数据
问题描述
在此先感谢您的帮助!
这是我要解决的谜题的简单数据框:
import pandas as pd
data = {"Company ID": ["111", "111", "111", "111", "111", "111",],
"Company Name": ["xyz", "xyz", "xyz", "xyz", "xyz", "xyz",],
"Month": ["Jan", "Feb", "Mar", "Apr", "May", "Jun",],
"Value": [100, 100, 0, 0, 0, 100,],
}
df = pd.DataFrame(data)
df
如果公司 ID 从正值变为 0,然后在约 6 个月内变回正值,有没有办法可以将 0 值更改为 100 ?我知道这个 df 不支持时间查找,但如果我能解决丢失的数据,我应该能够弄清楚。
注意:我的数据集有数千行,我希望根据唯一的公司 ID 求解值。
此示例的最终结果应显示每个月的值 100,但是,值和缺失的月份将因公司而异。
@jl31,如果您想使用此数据,请使用:
data = {"Company ID": ["111", "222", "333", "444", "555", "111","666", "222", "444", "333", "555", "666"],
"Company Name": ["abc", "def", "ghi", "jkl", "mno", "aaa","pqr", "def", "jkl", "ghi", "mno", "pqr"],
"Month": pd.date_range(start="2020-01-01",end="2020-12-01",freq='MS'),
"Value": [100, 100, 100, 100, 0, 0, 0, 100, 0, 0, 0, 100],
}
这将设置为:
Company ID Company Name Month Value
0 111 abc 2020-01-01 100
5 111 aaa 2020-06-01 0
1 222 def 2020-02-01 100
7 222 def 2020-08-01 100
2 333 ghi 2020-03-01 100
9 333 ghi 2020-10-01 0
3 444 jkl 2020-04-01 100
8 444 jkl 2020-09-01 0
4 555 mno 2020-05-01 0
10 555 mno 2020-11-01 0
6 666 pqr 2020-07-01 0
11 666 pqr 2020-12-01 100
解决方案
我尝试了各种方法来解决这个问题,但我能找到的唯一解决方案是遍历行。我会尝试找到更好的解决方案。
现在,这是我们如何获得结果的方法。
- 第 1 步:遍历数据框中的每一行
- 第 2 步:对于每一行,按公司 ID 匹配,然后检查月份是否在范围内。检查范围:检查从当前月份开始的最近 6 个月和下 6 个月(row.Month)。这些范围中的任何一个都将满足 6 个月的标准
Value
第 3 步:从列中找到最小值和最大值。这将导致(0 和最大值为 100 的正值)或(0 和 0)。如果 Min = 0 & Max != 0,则值下降到 0 并返回正值,因此我们可以将 newVal 设置为 100。
代码是:
import pandas as pd
data = {"Company ID": ["111", "222", "333", "444", "555", "111","666", "222", "444", "333", "555", "666"],
"Company Name": ["abc", "def", "ghi", "jkl", "mno", "aaa","pqr", "def", "jkl", "ghi", "mno", "pqr"],
"Month": pd.date_range(start="2020-01-01",end="2020-12-01",freq='MS'),
"Value": [100, 100, 100, 100, 0, 0, 0, 100, 0, 0, 0, 100],
}
df = pd.DataFrame(data)
df.sort_values(by=['Company ID'], inplace=True)
print (df)
for idx, row in df.iterrows():
df.loc[idx,'maxVal'] = (df[(row['Company ID']==df['Company ID']) & (df['Month'] <= row.Month + pd.tseries.offsets.MonthBegin(6)) & (df['Month'] >= row.Month - pd.tseries.offsets.MonthBegin(6))]['Value'].max())
df.loc[idx,'minVal'] = (df[(row['Company ID']==df['Company ID']) & (df['Month'] <= row.Month + pd.tseries.offsets.MonthBegin(6)) & (df['Month'] >= row.Month - pd.tseries.offsets.MonthBegin(6))]['Value'].min())
if df.loc[idx,'minVal'] == 0 and df.loc[idx,'maxVal'] != 0:
df.loc[idx,'newVal'] = 100
else:
df.loc[idx,'newVal'] = 0
df.sort_values(by=['Company ID'], inplace=True)
print (df)
其输出将是:
输入数据框:
Company ID Company Name Month Value
0 111 abc 2020-01-01 100
5 111 aaa 2020-06-01 0 #should change to 100; range within 6 months
1 222 def 2020-02-01 100
7 222 def 2020-08-01 100
2 333 ghi 2020-03-01 100
9 333 ghi 2020-10-01 0 #should NOT change to 100, range outside 6 months
3 444 jkl 2020-04-01 100
8 444 jkl 2020-09-01 0 #should change to 100, range within 6 months
4 555 mno 2020-05-01 0
10 555 mno 2020-11-01 0
6 666 pqr 2020-07-01 0 #should change to 100, range within 6 months
11 666 pqr 2020-12-01 100
更新的数据框:
Company ID Company Name Month Value maxVal minVal newVal
0 111 abc 2020-01-01 100 100.0 0.0 100.0
5 111 aaa 2020-06-01 0 100.0 0.0 100.0
1 222 def 2020-02-01 100 100.0 100.0 0.0
7 222 def 2020-08-01 100 100.0 100.0 0.0
2 333 ghi 2020-03-01 100 100.0 100.0 0.0
9 333 ghi 2020-10-01 0 0.0 0.0 0.0
3 444 jkl 2020-04-01 100 100.0 0.0 100.0
8 444 jkl 2020-09-01 0 100.0 0.0 100.0
4 555 mno 2020-05-01 0 0.0 0.0 0.0
10 555 mno 2020-11-01 0 0.0 0.0 0.0
6 666 pqr 2020-07-01 0 100.0 0.0 100.0
11 666 pqr 2020-12-01 100 100.0 0.0 100.0
删除 minVal 和 maxVal 列后,您将拥有:
Company ID Company Name Month Value newVal
0 111 abc 2020-01-01 100 100.0
5 111 aaa 2020-06-01 0 100.0 #Updated as expected
1 222 def 2020-02-01 100 0.0
7 222 def 2020-08-01 100 0.0
2 333 ghi 2020-03-01 100 0.0
9 333 ghi 2020-10-01 0 0.0 #Did NOT Update as expected
3 444 jkl 2020-04-01 100 100.0
8 444 jkl 2020-09-01 0 100.0 #Updated as expected
4 555 mno 2020-05-01 0 0.0
10 555 mno 2020-11-01 0 0.0
6 666 pqr 2020-07-01 0 100.0 #Updated as expected
11 666 pqr 2020-12-01 100 100.0
推荐阅读
- javascript - 创建多个面板或获取 uiEntryPoints
- python - 通过一个数据帧中的布尔索引分配值会更改不同数据帧中的值
- rust - `as` 表达式只能用于在原始类型之间进行转换,或者如何将 +1 添加到泛型类型 T
- php - Laravel 8:符号链接未公开出现
- python - 我正在尝试编写 python pandas 数据框,但它显示错误
- ruby-on-rails - 如何在不同的控制器视图上呈现 Rails 多步表单(向导)的第一步?
- php - 从时间戳获取持续时间?
- php - 使用带有 laravel 的播种机插入数组
- sql - 无法更改数据块上 spark dql 中的数据类型
- vuejs3 - VUE3中的leaflet-draw会抛出错误作为错误的传单版本