假設(shè)我現(xiàn)在有一個在日期 (df['DT']) 和 ID (df['ID']) 中多重索引的 dfDT,ID,value1,value22020-10-01,a,1,12020-10-01,b,2,12020-10-01,c,3,12020-10-01,d,4,12020-10-02,a,10,12020-10-02,b,11,12020-10-02,c,12,12020-10-02,d,13,1df = df.set_index(['DT','ID'])現(xiàn)在，我想將 df 擴(kuò)展為“2020-10-03”和“2020-10-04”，其 ID {a,b,c,d} 集與我的預(yù)測期相同。為了預(yù)測值 1，我假設(shè)它們將取現(xiàn)有值的平均值，例如對于 2020-10-03' 和 '2020-10-04' 中 a 的 value1，我假設(shè)它將取 (1+10)/2 = 5.5。對于值 2，我假設(shè)它將保持恒定為 1。預(yù)期的 df 將如下所示：DT,ID,value1,value22020-10-01,a,1.0,12020-10-01,b,2.0,12020-10-01,c,3.0,12020-10-01,d,4.0,12020-10-02,a,10.0,12020-10-02,b,11.0,12020-10-02,c,12.0,12020-10-02,d,13.0,12020-10-03,a,5.5,12020-10-03,b,6.5,12020-10-03,c,7.5,12020-10-03,d,8.5,12020-10-04,a,5.5,12020-10-04,b,6.5,12020-10-04,c,7.5,12020-10-04,d,8.5,1感謝您的幫助和時間。
1 回答
白板的微信
TA貢獻(xiàn)1883條經(jīng)驗(yàn) 獲得超3個贊
為了使用平均使用DataFrame.unstackfor進(jìn)行輕松預(yù)測DatetimeIndex，請?zhí)砑酉乱粋€日期時間 by?DataFrame.reindexwith?date_range，然后替換value1級別中的缺失值 byDataFrame.fillna并value2設(shè)置for?1，最后重新整形回來DataFrame.stack：
print (df)
? ? ? ? ? ? ? ?value1? value2
DT? ? ? ? ?ID? ? ? ? ? ? ? ??
2020-10-01 a? ? ? ? 1? ? ? ?1
? ? ? ? ? ?b? ? ? ? 2? ? ? ?1
? ? ? ? ? ?c? ? ? ? 3? ? ? ?1
? ? ? ? ? ?d? ? ? ? 4? ? ? ?1
2020-10-02 a? ? ? ?10? ? ? ?1
? ? ? ? ? ?b? ? ? ?11? ? ? ?1
? ? ? ? ? ?c? ? ? ?12? ? ? ?1
? ? ? ? ? ?d? ? ? ?13? ? ? ?1
rng = pd.date_range('2020-10-01','2020-10-04', name='DT')
df1 = df.unstack().reindex(rng)
df1['value1'] = df1['value1'].fillna(df1['value1'].mean())
df1['value2'] = 1
df2 = df1.stack()
print (df2)
? ? ? ? ? ? ? ?value1? value2
DT? ? ? ? ?ID? ? ? ? ? ? ? ??
2020-10-01 a? ? ? 1.0? ? ? ?1
? ? ? ? ? ?b? ? ? 2.0? ? ? ?1
? ? ? ? ? ?c? ? ? 3.0? ? ? ?1
? ? ? ? ? ?d? ? ? 4.0? ? ? ?1
2020-10-02 a? ? ?10.0? ? ? ?1
? ? ? ? ? ?b? ? ?11.0? ? ? ?1
? ? ? ? ? ?c? ? ?12.0? ? ? ?1
? ? ? ? ? ?d? ? ?13.0? ? ? ?1
2020-10-03 a? ? ? 5.5? ? ? ?1
? ? ? ? ? ?b? ? ? 6.5? ? ? ?1
? ? ? ? ? ?c? ? ? 7.5? ? ? ?1
? ? ? ? ? ?d? ? ? 8.5? ? ? ?1
2020-10-04 a? ? ? 5.5? ? ? ?1
? ? ? ? ? ?b? ? ? 6.5? ? ? ?1
? ? ? ? ? ?c? ? ? 7.5? ? ? ?1
? ? ? ? ? ?d? ? ? 8.5? ? ? ?1
但預(yù)測比較復(fù)雜，你可以檢查一下
添加回答
舉報(bào)
0/150
提交
取消