2

我的问题就在代码片段的下方，如下：

我有原始的传感器时间序列数据..现在非常接近可用:)

在此处输入图像描述

locDf = locationDf.copy()
locDf.set_index('date', inplace=True)

locDfs = {}
for user, user_loc_dc in locDf.groupby('user'):
    locDfs[user] = user_loc_dc.resample('15T').agg('max').bfill()

aDf = appDf.copy()
aDf.set_index('date', inplace=True)

userLocAppDfs = {}
appDfs = []
for user, a2_df in aDf.groupby('user'):
    userDf = a2_df.resample('15T').agg('min')

    userDf.reset_index(inplace=True)
    userDf = pd.crosstab(index=userDf['date'], columns=userDf['app'], values=userDf['metric'], aggfunc=np.mean).fillna(0, downcast='infer')

    userDf['user'] = user

    userDf.reset_index(inplace=True)
    userDf.set_index('date', inplace=True)

    appDfs.append(userDf)
    userLocAppDfs[user] = userDf

    loDf = locDfs[user]
    loDf.reset_index(inplace=True)
    loDf = pd.crosstab([loDf.date, loDf.user], loDf.location)
    loDf.reset_index(inplace=True)

    loDf.set_index('date', inplace=True)
    loDf.drop('user', axis=1, inplace=True)

    userLocAppDfs[user] = userLocAppDfs[user].join(loDf, how='outer')
    userLocAppDfs[user]['user'].fillna(user, inplace=True)

    #for app in a2_df['app'].unique():
    #    userLocAppDfs[user][app] = userLocAppDfs[user][app].fillna(0, inplace=True)


userLocAppDfs['user_1'].head(5)

问题

如果我取消注释最后两行以尝试在开始时填充 NaN，我不会得到零。我得到None。:( 谁能告诉我为什么？

没有任何

我想..你知道，在那里得到 0：

2017-08-28 00:00:00 0   0   user_1  0.0 0.0 0.0 1.0 0.0
2017-08-28 00:15:00 0   0   user_1  0.0 0.0 1.0 0.0 0.0
2017-08-28 00:30:00 0   0   user_1  0.0 0.0 1.0 0.0 0.0
2017-08-28 00:45:00 0   0   user_1  0.0 0.0 1.0 0.0 0.0
2017-08-28 01:00:00 0   0   user_1  0.0 0.0 1.0 0.0 0.0

最后一步是让我得到这些 app_* 数字的滚动平均值，这样我就得到了一条曲线。

4

1 回答 1

2

尝试

for app in a2_df['app'].unique():
    userLocAppDfs[user][app].fillna(0, inplace=True)
    # or userLocAppDfs[user][app] = userLocAppDfs[user][app].fillna(0)

所以这是因为您已经指定inplace = True并同时将其分配回来。

注意df.fillna(0, inplace=True)不会返回值。而是直接修改原来的df. 试试print(df.fillna(0, inplace=True))吧，它会给你None的。所以你上面所做的就是分配None给 column apps。

于 2018-09-21T20:42:46.110 回答