Pandas:填充通过groupby对象迭代的缺失值
Pandas:填充通过groupby对象迭代的缺失值
提问于 2018-08-31 03:38:17
我有下面的数据集：
d = {'player': ['1', '1', '1', '1', '1', '1', '1', '1', '1', '2', '2',
'2', '2', '2', '2', '3', '3', '3', '3', '3'],
'session': ['a', 'a', 'b', np.nan, 'b', 'c', 'c', 'c', 'c', 'd', 'd',
'e', 'e', np.nan, 'e', 'f', 'f', 'g', np.nan, 'g'],
'date': ['2018-01-01 00:19:05', '2018-01-01 00:21:07',
'2018-01-01 00:22:07', '2018-01-01 00:22:15','2018-01-01 00:25:09',
'2018-01-01 00:25:11', '2018-01-01 00:27:28', '2018-01-01 00:29:29',
'2018-01-01 00:30:35', '2018-01-01 00:21:16', '2018-01-01 00:35:22',
'2018-01-01 00:38:16', '2018-01-01 00:38:20', '2018-01-01 00:40:35',
'2018-01-01 01:31:16', '2018-01-03 00:55:22', '2018-01-03 00:58:16',
'2018-01-03 00:58:21', '2018-03-01 01:00:35', '2018-03-01 01:31:16']
}
#create dataframe
df = pd.DataFrame(data=d)
#change date to datetime
df['date'] = pd.to_datetime(df['date'])
df.head()
player session date
0 1 a 2018-01-01 00:19:05
1 1 a 2018-01-01 00:21:07
2 1 b 2018-01-01 00:22:07
3 1 NaN 2018-01-01 00:22:15
4 1 b 2018-01-01 00:25:09所以，这是我的三篇专栏文章：
- 'player' -有三个玩家(1,2,3) - dtype = object
- 'session' (对象)。每个会话id将玩家已经实现的一组操作(即dataset中的行)组合在一起(datetime对象)来告诉我们每个操作被执行的时间( implemented.
这个数据集中的问题是，我有每个操作的时间戳，但有些操作缺少它们的会话id。我想要做的是:对于每个玩家，我想根据时间线为缺失值提供一个id标签。如果缺少id的动作落入某个会话的时间范围(第一个动作-最后一个动作)内，则可以对这些动作进行标记。
假设I groupby player & id，并计算每个会话的时间范围：
my_agg = df.groupby(['player', 'session']).date.agg([min, max])
my_agg
min max
player session
1 a 2018-01-01 00:19:05 2018-01-01 00:21:07
b 2018-01-01 00:22:07 2018-01-01 00:25:09
c 2018-01-01 00:25:11 2018-01-01 00:30:35
2 d 2018-01-01 00:21:16 2018-01-01 00:35:22
e 2018-01-01 00:38:16 2018-01-01 01:31:16
3 f 2018-01-03 00:55:22 2018-01-03 00:58:16
g 2018-01-03 00:58:21 2018-03-01 01:31:16在这一点上，我想遍历每个玩家，并逐个会话地比较我的NaN值的时间戳，看看它们属于哪里。
Desired output：在本例中，第一个Nan应标记为'b'，第二个应标记为'e‘，最后一个应标记为'g’。
免责声明：几天前我问了一个类似的问题，(see here)，得到了一个非常好的答案，但这一次我必须考虑另一个变量，我又被卡住了。事实上，Python的第一步是令人兴奋的，但非常具有挑战性。
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-08-31 05:46:24
您的示例已经排序，但是即使在您的输入未排序的情况下，这也应该会产生您想要的结果。如果此答案不能满足您的要求，请在违反您的要求的情况下发布一个附加的(或修改后的)样本数据帧以及预期的输出。
df.sort_values(['player','date']).fillna(method='ffill')收益率：
player session date
0 1 a 2018-01-01 00:19:05
1 1 a 2018-01-01 00:21:07
2 1 b 2018-01-01 00:22:07
3 1 b 2018-01-01 00:22:15
4 1 b 2018-01-01 00:25:09
5 1 c 2018-01-01 00:25:11
6 1 c 2018-01-01 00:27:28
7 1 c 2018-01-01 00:29:29
8 1 c 2018-01-01 00:30:35
9 2 d 2018-01-01 00:21:16
10 2 d 2018-01-01 00:35:22
11 2 e 2018-01-01 00:38:16
12 2 e 2018-01-01 00:38:20
13 2 e 2018-01-01 00:40:35
14 2 e 2018-01-01 01:31:16
15 3 f 2018-01-03 00:55:22
16 3 f 2018-01-03 00:58:16
17 3 g 2018-01-03 00:58:21
18 3 g 2018-03-01 01:00:35
19 3 g 2018-03-01 01:31:16页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/52104260
复制相关文章
相似问题
腾讯云开发者
