添加每组行的大 pandas / IPython中，如果每组行缺少 [英] Adding rows per group in pandas / ipython if per group a row is missing

问题描述

我有，对于每个组包含在一定期间观测的数目的数据帧。 有些群体不包含所有的句号，并为这些组我要的追加x行在它缺少的时期。
这样每个组有一排共6期

I have a dataframe that contains for each group the number of observations during a certain period. Some groups don't contain all periods, and for these groups I want to append x rows with the missing periods in it. So that each group has a row for all 6 periods

我现在的DF看起来是这样的：

My current df looks something like this:

> ID      PERIOD       VAlUE
  1       1            10
  1       2            8
  1       3            8  
  1       4            15
  1       5            6
  1       6            44
  2       1            NONE
  3       2            4
  3       5            25

我要一个数据帧寻找这样的。

I want a dataframe looking like this.

> ID      PERIOD       VAlUE
  1       1            10
  1       2            8
  1       3            8  
  1       4            15
  1       5            6
  1       6            44
  2       1            NONE
  2       2            NONE
  2       3            NONE
  2       4            NONE
  2       5            NONE
  2       6            4
  3       1            NONE
  3       2            4
  3       3            NONE
  3       4            NONE
  3       5            25
  3       6            NONE

那么，什么happenend：

So what happenend:

• 对于ID == 1，什么都没有发生，因为它包含了所有的6个周期


• 有关的ID == 2，它所附5中，行的每个时期，它没有在第一自由度。有


• 有关的ID == 2，它所附4中，行的每个时期，它没有在第一自由度。有因此，它增加了对周期1,3,4和放行; 6。

我真的没有线索如何做到这一点，这样有利于真的会AP preciated。

I really don't have a clue how to do it, so help would really be appreciated.

推荐答案

您可以将索引设置为'ID'和'期间'，然后通过产生两列的产品构造一个新的指数，通过这个新的索引到重新索引，这有一个可选的 fill_value 参数，你可以设置为STR 无：

You can set the index to 'ID' and 'PERIOD' and then construct a new index by generating the product of both columns and pass this as the new index to reindex, this has an optional fill_value param which you can set to the str NONE:

In [158]:
iterables = [df['ID'].unique(),df['PERIOD'].unique()]
df = df.set_index(['ID','PERIOD'])
df = df.reindex(index=pd.MultiIndex.from_product(iterables, names=['ID', 'PERIOD']), fill_value='NONE').reset_index()
df

Out[158]:
    ID  PERIOD VAlUE
0    1       1    10
1    1       2     8
2    1       3     8
3    1       4    15
4    1       5     6
5    1       6    44
6    2       1  NONE
7    2       2  NONE
8    2       3  NONE
9    2       4  NONE
10   2       5  NONE
11   2       6  NONE
12   3       1  NONE
13   3       2     4
14   3       3  NONE
15   3       4  NONE
16   3       5    25
17   3       6  NONE

所以，打破了上往下：

So breaking the above down:

In [160]:
# create a list of the iterable index values we want to generate all product combinations from
iterables = [df['ID'].unique(),df['PERIOD'].unique()]
iterables

Out[160]:
[array([1, 2, 3], dtype=int64), array([1, 2, 3, 4, 5, 6], dtype=int64)]

In [163]:
# set the index to ID and PERIOD
df = df.set_index(['ID','PERIOD'])
df

Out[163]:
          VAlUE
ID PERIOD      
1  1         10
   2          8
   3          8
   4         15
   5          6
   6         44
2  1       NONE
3  2          4
   5         25

In [164]:
# reindex and pass the product from iterables as the new index
df.reindex(index=pd.MultiIndex.from_product(iterables, names=['ID', 'PERIOD']), fill_value='NONE').reset_index()
Out[164]:
    ID  PERIOD VAlUE
0    1       1    10
1    1       2     8
2    1       3     8
3    1       4    15
4    1       5     6
5    1       6    44
6    2       1  NONE
7    2       2  NONE
8    2       3  NONE
9    2       4  NONE
10   2       5  NONE
11   2       6  NONE
12   3       1  NONE
13   3       2     4
14   3       3  NONE
15   3       4  NONE
16   3       5    25
17   3       6  NONE

这篇关于添加每组行的大 pandas / IPython中，如果每组行缺少的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！