2

我知道已经提出了与此问题类似的问题，但是当您只有一个分类变量时，该解决方案有效。我有两个，MultiIndexes我一直很难相处。问题是，我有以下数据框：

 Date        Product    eCommerce   Sales
12-10-2018      A           1        10
12-12-2018      A           0        7
12-13-2018      A           1        4
12-15-2018      A           1        2
12-15-2018      A           0        2
12-11-2018      B           1        8
12-13-2018      B           1        6

所以我需要知道每个日期有和没有电子商务的销售额，并填写没有出现零销售额的日期。我想要的输出是：

 Date        Product    eCommerce   Sales
12-10-2018      A           1        10
12-11-2018      A           1        0
12-12-2018      A           1        0
12-13-2018      A           1        4
12-14-2018      A           1        0
12-15-2018      A           1        2

12-12-2018      A           0        7
12-13-2018      A           0        0
12-14-2018      A           0        0
12-15-2018      A           0        2

12-11-2018      B           1        8
12-12-2018      B           1        0
12-13-2018      B           1        6

注意：这只是一个DataFrame，我只是添加了空格来区分索引。

因此，在原始数据框中，产品 A 的电子商务销售缺少 12-11 和 12-14，产品 A 的非电子商务销售缺少 12-13 和 12-14，产品 B 的电子商务销售缺少 12-12

问题是，我设法通过一个非常低效的循环来实现我想要的，这个循环需要大约 25 分钟才能运行：

df_full= pd.DataFrame(columns=df.columns)
for sku in df['Product'].unique():

    aux=df.loc[df['Product']==sku]
    dates= pd.DataFrame(pd.date_range(start=aux.Date.min(), end=aux.Date.max(),freq='D'),columns=['Date'])

    df3 = df.loc[df['id_prod']==sku].merge(dates,
                                                   how='outer',left_on='Date',
                                                   right_on='Date').sort_values(by='Date')

    df3.fillna(method='ffill',inplace=True)
    df_full= df_full.append(df3)

我非常有信心我可以以矢量化的方式做到这一点，这应该花费更少的时间（我有 2,300 种产品，用于 290 个可能的日期）。你知道我怎样才能做到这一点吗？

编辑：添加了粗体文本，更好地解释了问题

4

1 回答 1

2

使用单个DatetimeIndexthen groupby+ resample.asfreq(), （可以将 sum 用于数字列），因为日期范围取决于组。

import pandas as pd

df['Date'] = pd.to_datetime(df.Date)
df = df.set_index('Date')

df.groupby(['Product', 'eCommerce'], sort=False).Sales.resample('D').sum().reset_index()

如果您有很多列要填充零，那么：

(df.groupby(['Product', 'eCommerce'], sort=False)
    .resample('D').sum()
    .drop(columns=['Product', 'eCommerce'])
    .reset_index())

输出：

   Product  eCommerce       Date  Sales
0        A          1 2018-12-10     10
1        A          1 2018-12-11      0
2        A          1 2018-12-12      0
3        A          1 2018-12-13      4
4        A          1 2018-12-14      0
5        A          1 2018-12-15      2
6        A          0 2018-12-12      7
7        A          0 2018-12-13      0
8        A          0 2018-12-14      0
9        A          0 2018-12-15      2
10       B          1 2018-12-11      8
11       B          1 2018-12-12      0
12       B          1 2018-12-13      6
于 2019-01-24T15:42:31.163 回答