大熊貓據幀插值/重採樣每日數據

Question

我有一個數據幀，看起來像這樣：

userid  date   count 
a   2016-12-01 4 
a   2016-12-03 5 
a   2016-12-05 1 
b   2016-11-17 14 
b   2016-11-18 15 
b   2016-11-23 4 

的第一列是用戶ID，第二列是一個日期（導致從一個groupby（pd.TimeGrouper（'d'）），第三列是每日計數。但是，每個用戶，我想確保在用戶的最小和最大日期之間缺少的任何日期填充爲0所以如果我從上面的數據框開始，我會得到這樣一個數據框：

userid  date   count 
    a   2016-12-01 4 
    a   2016-12-02 0 
    a   2016-12-03 5 
    a   2016-12-04 0 
    a   2016-12-05 1 
    b   2016-11-17 14 
    b   2016-11-18 15 
    b   2016-11-19 0 
    b   2016-11-20 0 
    b   2016-11-21 0 
    b   2016-11-22 0 
    b   2016-11-23 4 

我知道有多種方法可以用熊貓數據幀進行重新採樣（帶有選擇插入向前，向後或平均的選項），但是如何在上述意義上做到這一點，我需要連續時間序列每個用戶標識，但時間序列的日期在每個用戶中是不同的？

這裏就是我試過，沒有奏效：

grouped_users = user_daily_counts.groupby('user').set_index('timestamp').resample('d', fill_method = None)

然而，這會引發錯誤AttributeError: Cannot access callable attribute 'set_index' of 'DataFrameGroupBy' objects, try using the 'apply' method。我不知道如何在提出所有列的同時使用apply方法，因爲我願意這樣做。

感謝您的任何建議！

Answer 1

您可以使用groupby與resample，但首先需要Datetimeindex由set_index創建。
（need pandas 0.18.1 and higher）

然後通過0通過asfreq與fillna填充NaN。

最後刪除列userid和reset_index：

df = df.set_index('date') 
     .groupby('userid') 
     .resample('D') 
     .asfreq() 
     .fillna(0) 
     .drop('userid', axis=1) 
     .reset_index() 

print (df) 
    userid  date count 
0  a 2016-12-01 4.0 
1  a 2016-12-02 0.0 
2  a 2016-12-03 5.0 
3  a 2016-12-04 0.0 
4  a 2016-12-05 1.0 
5  b 2016-11-17 14.0 
6  b 2016-11-18 15.0 
7  b 2016-11-19 0.0 
8  b 2016-11-20 0.0 
9  b 2016-11-21 0.0 
10  b 2016-11-22 0.0 
11  b 2016-11-23 4.0 

如果想D型列count整數加astype：

df = df.set_index('date') \ 
     .groupby('userid') \ 
     .resample('D') \ 
     .asfreq() \ 
     .fillna(0) \ 
     .drop('userid', axis=1) \ 
     .astype(int) \ 
     .reset_index() 

print (df) 
    userid  date count 
0  a 2016-12-01  4 
1  a 2016-12-02  0 
2  a 2016-12-03  5 
3  a 2016-12-04  0 
4  a 2016-12-05  1 
5  b 2016-11-17  14 
6  b 2016-11-18  15 
7  b 2016-11-19  0 
8  b 2016-11-20  0 
9  b 2016-11-21  0 
10  b 2016-11-22  0 
11  b 2016-11-23  4