我的数据包含周数、帐户 ID 和几个使用情况列。我想 a) 按帐户 ID 分组，b) 将每周数据重新采样为每日数据，c) 均匀插值每日数据（将每周数据除以 7），然后将其全部重新组合在一起。我已经记下了大部分，但是 Pandasgroupby让我有点困惑。它也非常慢，这让我认为这可能不是最佳解决方案。
数据如下：
Account Id year week views stats foo_col
31133 213 2017-03-05 4.0 2.0 11.0
10085 456 2017-03-12 1.0 6.0 3.0
49551 789 2017-03-26 1.0 6.0 27.0
这是我的代码：
def interpolator(mini_df):
mini_df = mini_df[cols_to_interpolate].set_index('year week')
return mini_df.resample('D').ffill().interpolate() / 7
example = list(grp)[0][1]
interpolator(example) # This works perfectly
df.groupby('Account Id').agg(interpolator) # doesn't work
df.groupby('Account Id').transform(interpolator) # doesn't work
for name,group in grp:
group = group[cols_to_interpolate].set_index('year week')
group = group.resample('D').ffill().interpolate() / 7 # doesn't work
for acc_id in df['Account Id'].unique():
mask = df.loc[df['Account Id'] == acc_id]
print(df[mask]) # doesn't work
我希望你的功能应该与groupby对象如：
df = (df.set_index('year week')
.groupby('Account Id')[cols_to_interpolate]
.resample('D')
.ffill()
.interpolate() / 7)
评论中的解决方案是不同的 -interpolate适用于每个组：
df.groupby('Account Id').apply(interpolator)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
