我正在寻找一种方法来识别已经好几天没有输入数据的实例。在我的情况下,当没有为>5天。
数据集类型的示例如下表所示:https://i.stack.imgur.com/j0s86.png
我尝试了很多方法,包括用日期变量替换缺失的数据和减去差异,但都没能想出任何有用的方法。
最新代码:
df = 'table.csv'
df['Rolling'] = np.roll(df['Count'],1)
df['Count'] = df['Count'].fillna('MISSING')
df.loc[ df['Count'] == 'MISSING', 'Count'] = df['Date']
diff = df['Count'].astype('int32') - df['Rolling'].astype('int32')
df['Difference'] = diff
df.head()
我下一步尝试(但失败了(的是创建一个只包括输入数据日期的新列,并用它来尝试计算差异。
一如既往,我们非常感谢您的帮助。
-C
在给出答案之前,我想向您介绍这篇非常有用的文章:如何提供一个大熊猫的例子,这样想回答您问题的人可以直接使用您的数据帧
在没有这一点的情况下,这里是我使用的一个示例数据帧:
import numpy as np
from datetime import datetime,timedelta
start_date = datetime(2015,11,4)
dates = [start_date + timedelta(days =x) for x in range(20)]
count = [np.nan]*len(dates)
count[9] = 10
count[11] = 20
count[17] = 30
df = pd.DataFrame({'Date':dates, 'Obs':count})
df
看起来像这个
Date Obs
0 2015-11-04 NaN
1 2015-11-05 NaN
2 2015-11-06 NaN
3 2015-11-07 NaN
4 2015-11-08 NaN
5 2015-11-09 NaN
6 2015-11-10 NaN
7 2015-11-11 NaN
8 2015-11-12 NaN
9 2015-11-13 10.0
10 2015-11-14 NaN
11 2015-11-15 20.0
12 2015-11-16 NaN
13 2015-11-17 NaN
14 2015-11-18 NaN
15 2015-11-19 NaN
16 2015-11-20 NaN
17 2015-11-21 30.0
18 2015-11-22 NaN
19 2015-11-23 NaN
注意,当有数据时,我假设你有日期的NaN
因此,我们可以执行以下操作——我们可以按非NaN观测之间的所有块进行分组,这是通过下面的(~df['Count'].isna()).cumsum())
计算实现的——该序列在检测到非NaN"计数"的索引处递增。一旦我们对此进行分组,我们就可以得到一些关于分组的统计数据。所以
df.groupby((~df['Obs'].isna()).cumsum()).agg({'Date':['first','last', 'count']})
产生
Date
first last count
Obs
0 2015-11-04 2015-11-12 9
1 2015-11-13 2015-11-14 2
2 2015-11-15 2015-11-20 6
3 2015-11-21 2015-11-23 3
阅读这篇文章的方式是,第一个NaN区块从2015-11-04到2015-11-12,共有9个条目,第二个区块从2015-11-13到2015-11-14,共有2个条目,等等(内部区块将包括一个实际观测值,因此NaN的数量为"计数"-1(。所以你可以看到哪个区块比5长(或者其他什么(,你知道它什么时候开始和完成