python - Pandas 多用户时间插值

Question

我有一个数据框集，如下所示:

time  user value
0     R    3
1     S    5
2     J    6

我想使用 pandas 来同步每个用户的时间，这样我最终会得到一个如下所示的数据框:

time  user value
0     R    3
0     S    5
0     J    6
1     S    5
1     R    3
1     J    6
2     J    6
2     R    3
2     S    5

换句话说，我想使用 pandas 来同步每个用户的时间序列(给定特定用户之前的值)。如果没有先前的值，它只会回填用户的第一个值。所以例如J 直到 2 才出现，所以在时间 0 和 1 我们将 J 存储为 6。我是 pandas 的新手，但很高兴这样做，我读过有关对齐、插值等的内容，但我没有看到任何东西专注于像这样的多用户数据。将不胜感激如何做到这一点。

Answer 1

您可以先尝试set_index从 user 列，然后 groupby带有自定义函数 f，它使用 reindex , sort_values , fillna和 combine_first 。最后你可以reset_index并对列重新排序:

print df
   time user  value
0     0    R      3
1     1    S      5
2     2    J      6

df = df.set_index(['user'])

def f(x):
    #print x
    x = x.reindex(df.index)
    x = x.sort_values('value')
    x['time'] = x['time'].fillna(method='ffill')   
    x['value'] = x['value'].combine_first(df['value'])
    return x

df = df.groupby(level=0, sort=False).apply(f).reset_index(level=0, drop=True).reset_index()
df = df[['time','user','value']]
print df
   time user  value
0     0    R      3
1     0    S      5
2     0    J      6
3     1    S      5
4     1    R      3
5     1    J      6
6     2    J      6
7     2    R      3
8     2    S      5