python - 使用先前值填充日期时间之间的重新采样间隙(多索引)

Question

我正在尝试更正没有日期的每一行。那么想法就是填补缺失日期之间的空白，并用以前的值完成其他列。

        ds            SKU  Estoque leadtime
0   2018-01-02  504777  45  11
1   2018-01-04  504777  42  11
2   2018-01-05  504777  41  11
3   2018-01-09  504777  40  11
4   2018-01-12  504777  37  11
5   2018-01-13  504777  36  11
6   2018-01-15  504777  35  11
... ... ... ... ...
6629    2018-08-14  857122  11  10
6630    2018-08-15  857122  10  10
6631    2018-08-16  857122  9   10
6632    2018-08-17  857122  7   10
6633    2018-08-23  857122  14  10
6634    2018-08-24  857122  13  10

我已经尝试过:

df.set_index('ds', inplace=True)
df = df.resample("D")

或

df.resample("D", how='first', fill_method='ffill')

但我刚刚得到这个:

DatetimeIndexResampler [freq=<Day>, axis=0, closed=left, label=left, convention=start, base=0]

当我尝试时:

(df.groupby('SKU')
 .resample('D')
 .last()
 .reset_index()
 .set_index('ds'))

我收到此错误:

ValueError: cannot insert SKU, already exists

我正在尝试得到这个结果:

        ds            SKU  Estoque leadtime
0   2018-01-02  504777  45  11
1   2018-01-03  504777  45  11
2   2018-01-04  504777  42  11
3   2018-01-05  504777  41  11
4   2018-01-06  504777  41  11
5   2018-01-07  504777  41  11
6   2018-01-08  504777  41  11
7   2018-01-09  504777  40  11
... ... ... ... ...

PS:如果我将日期设置为索引，则会有重复的索引。我需要首先隔离每个产品(分组依据)。

Answer 1

在您的情况下，您可能需要与 apply 链接

#df.set_index('ds', inplace=True)

df.groupby('SKU').apply(lambda x : x.resample('D').ffill()).reset_index(level=0,drop=True)