python - Pandas 线性插值按另一列分组

Question

我有一个看起来像这样的数据集

testing = pd.DataFrame({'col':[1,np.nan,np.nan,7,1,np.nan,np.nan,7], 
                        'col2':['01-MAY-17 15:47:00','01-MAY-17 15:57:00',
                            '07-MAY-17 15:47:00','07-MAY-17 22:07:00',
                            '01-MAY-17 15:47:00','01-MAY-17 15:57:00',
                            '07-MAY-17 15:47:00','07-MAY-17 22:07:00'],
                        'Customer_id':['A','A','A','A','B','B','B','B']})

我需要根据每个客户在第一列中插入缺失值(在这种情况下，这不会产生任何影响，但由于我有一些客户，他们的第一个或最后一个缺失值是缺失的，我确实需要将其分开)。

之前，我用的是这个:

testing.groupby('Customer_id').apply(lambda group: group.interpolate(method= 'linear'))

但这假设每个点的间距相等，并且由于第二列是收集每条记录的日期时间，因此可以看出事实并非如此。

为了以考虑不同间距的方式更改此设置，我将 col2 传递给索引，并使用 slinear 进行插值

testing['col2'] = pd.to_datetime(testing['col2'])
testing['index1'] = testing.index
testing = testing.set_index('col2')
testing.apply(lambda group: group.interpolate(method= 'slinear'))
test_int=testing.interpolate(method='slinear')
test_int['col2'] = test_int.index
test_int = test_int.set_index('index1')
test_int

但这并没有考虑到不同的客户。对于这种情况我该如何进行分组？

Answer 1

IIUC，一旦您set_index包含日期的列，那么您可以在每个组的interpolate中使用method='index'如:

testing.col2 = pd.to_datetime(testing.col2)
print (testing.set_index('col2').groupby('Customer_id')
              .apply(lambda x: x.interpolate(method= 'index')).reset_index())
                 col2       col Customer_id
0 2017-05-01 15:47:00  1.000000           A
1 2017-05-01 15:57:00  1.006652           A
2 2017-05-07 15:47:00  6.747228           A
3 2017-05-07 22:07:00  7.000000           A
4 2017-05-01 15:47:00  1.000000           B
5 2017-05-01 15:57:00  1.006652           B
6 2017-05-07 15:47:00  6.747228           B
7 2017-05-07 22:07:00  7.000000           B