Question

我的数据框看起来像这样:(不一定是这些日期，长度或顺序）

     date1       date2 dummy
2015-10-01  2015-09-02     1
2015-10-01  2015-09-02     1
2015-10-03  2015-09-02     0
2015-10-04  2015-09-05     0
..........  ..........     .
..........  ..........     .
..........  ..........     .
2015-10-20  2015-11-04     1
2015-10-20  2015-11-05     1

我正在创建一个新数据框，其中包含'date2'中最早的日期和'date1'中的最新日期，并填写日期之间的时间段。

startdate = df['date2'].min(axis=0)
enddate = df['date1'].max(axis=0)

def perdelta(start, end, delta):
  curr = start
  while curr <= end:
    yield curr
    curr += delta

data2 =[]
for result in perdelta(startdate, enddate, timedelta(days=1)):
   data2.append(result)

我想在新数据框中找到每一行日期，将其与'date1'匹配，并计算在'dummy'中有多少个相同的日期。我可以找到所有的零并用pandas groupby计算它们的特定日期

g = df.groupby(['date1'])
df3 = pd.DataFrame(g.apply(lambda x: x[x['dummy'] == 0]['dummy'].count()), columns=['all_zeros'])

但这只会在'date1'中找到日期并计算零，而不是从我的startdate开始，它也会跳过有一个日期并且不粘贴零的日期（计算非零应该粘贴0）。

我想得到的输出是：

 date_newdf  count
'startdate'      0 (cuz it does not exist in date1)
 2015-09-05      0 (cuz it does not exist in date1)
 ..........      .
 ..........      .
 ..........      .
 2015-10-01      3 (found 3 zeroz with the this date)
 ..........      .
  'enddate'      2

等。

复制：

data = {'date1': ['15-10-01', '15-10-01', '15-10-03', '15-10-04', '15-10-05', '15-10-05'],
    'date2': ['15-09-02', '15-09-02', '15-09-02', '15-09-05', '15-09-05', '15-09-05'],
    'dummy': [1,1,0,0,0,1]}
df = pd.DataFrame(data, columns=['date1', 'date2' , 'dummy'])

Answer 1

我认为，您需要将reindex函数与列表data2添加到脚本的末尾，然后将缺少的数据NaN填充到1。

输入更好的测试：

       date1      date2  dummy
0 2015-10-01 2015-09-02      1
1 2015-10-01 2015-09-02      1
2 2015-10-03 2015-09-02      0
3 2015-10-04 2015-09-05      0
4 2015-10-05 2015-11-05      0
5 2015-10-05 2015-11-05      0
6 2015-10-05 2015-11-05      0
7 2015-10-05 2015-11-05      1
8 2015-10-05 2015-11-05      1

print df3
            all_zeros
date1                
2015-10-01          0
2015-10-03          1
2015-10-04          1
2015-10-05          3

df3 = df3.reindex(pd.DatetimeIndex(data2))
df3 = df3.fillna(0)

print df3
            all_zeros
2015-09-02          0
2015-09-03          0
2015-09-04          0
2015-09-05          0
2015-09-06          0
2015-09-07          0
2015-09-08          0
2015-09-09          0
2015-09-10          0
2015-09-11          0
2015-09-12          0
2015-09-13          0
2015-09-14          0
2015-09-15          0
2015-09-16          0
2015-09-17          0
2015-09-18          0
2015-09-19          0
2015-09-20          0
2015-09-21          0
2015-09-22          0
2015-09-23          0
2015-09-24          0
2015-09-25          0
2015-09-26          0
2015-09-27          0
2015-09-28          0
2015-09-29          0
2015-09-30          0
2015-10-01          0
2015-10-02          0
2015-10-03          1
2015-10-04          1
2015-10-05          3

在数据帧之间搜索和查找

1 个答案: