将季度数据帧转换为每月数据帧，并填充每个 ID 的缺失值-解网

问：

我有一个数据帧，对于每个 ID，它都包含一个时间戳和一个值。时间戳是给定季度的时间戳：

import pandas as pd
a = pd.DataFrame({'id': [1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,3],
                  'date': ['2002Q1', '2002Q2', '2002Q3', '2002Q4', '2003Q1', '2002Q2', '2002Q3', '2002Q4', '2003Q1', '2002Q2', '2002Q3', '2002Q4', '2003Q1', '2002Q2', '2002Q3', '2002Q4'],
                  'value': [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]})

现在，我想将数据帧扩展到每月频率。这意味着每一行都扩展到三行（即，一个季度变成 3 个月），并且任何给定季度中的所有月份都应具有相同的值。

例如，我们中的前两行扩展到 6 行：a

pd.DataFrame({'id': [1,1,1,1,1,1],
              'date': ['2002-1', '2002-2', '2002-3', '2002-4', '2002-5', '2002-6'],
              'value': [1,1,1,2,2,2]})

所以基本上，我正在做与这个答案相同的操作，但现在涉及一个 ID。

可以这样做吗？

编辑：每个组的最后一个值也需要扩展。当前的解决方案给出了这个结果，这是错误的：

import pandas as pd
a = pd.DataFrame({'id': [1,1],
                  'date': ['2002Q1', '2002Q2'],
                  'value': [1,2]})

mask = a['id'].duplicated(keep='last')
dates = pd.to_datetime(a['date'])
a.index = dates.where(mask, dates + pd.DateOffset(months=2))

a = a.groupby('id')['value'].resample('MS').first().ffill().reset_index()
a['date'] = a['date'].dt.to_period('M')
a


    id  date    value
0   1   2002-01 1.0 # fine
1   1   2002-02 1.0 # fine
2   1   2002-03 1.0 # fine
3   1   2002-04 1.0 # should be 2
4   1   2002-05 1.0 # should be 2
5   1   2002-06 2.0 # fine

Python Pandas 数据帧

import pandas as pd
a = pd.DataFrame({'id': [1,1],
                  'date': ['2002Q1', '2002Q2'],
                  'value': [1,2]})

a.index = pd.to_datetime(a['date'])
mask = a['id'].duplicated(keep='last')
a = pd.concat([a, a[~mask].rename(lambda x: x + pd.DateOffset(months=2))])


a = a.groupby('id')['value'].resample('MS').first().ffill().reset_index()
a['date'] = a['date'].dt.to_period('M')
print (a)
   id     date  value
0   1  2002-01    1.0
1   1  2002-02    1.0
2   1  2002-03    1.0
3   1  2002-04    2.0
4   1  2002-05    2.0
5   1  2002-06    2.0

将季度数据帧转换为每月数据帧，并填充每个 ID 的缺失值

Convert quarterly dataframe to monthly and fill missing values for each ID

评论

评论

评论