在多索引时间序列中填充合并后的空白

Question

我有多个合并在一起的MultiIndex时间序列，索引是("location"， "timestamp")。例子:

location   timestamp     x     y   z
       A           1   1.2   4.3  NaN
       A           2   2.2   5.3  NaN
       A           3   NaN   NaN  1.0
       A           4   3.2   7.3  NaN
...
       B           1   2.2   4.3  NaN
       B           2   3.2   5.3  NaN
       B           3   NaN   NaN  2.0
       B           4   5.2   7.3  NaN
...

"timestamp"是一个真正的日期时间列，为了简单起见，我在这里只是使用整数。我试图填补缺失的数据，所以每行有全套的数字。"x"，"y"one_answers"z"是平滑的，与其他数据系列无关，因此缺失的值可以垂直地线性导出，或者至少通过重复最后一个已知数字来导出。

我尝试了不同的groupby/ressample表达式，失败了。剩下的唯一一件事就是将所有东西分解成系列并对它们进行采样。一定有更好的方法

Answer 1

这里有几个方法可以做到

您可以ffill()向前填充前一个值。

In [56]: df.ffill()
Out[56]:
  location  timestamp    x    y   z
0        A          1  1.2  4.3 NaN
1        A          2  2.2  5.3 NaN
2        A          3  2.2  5.3   1
3        A          4  3.2  7.3   1
4        B          1  2.2  4.3   1
5        B          2  3.2  5.3   1
6        B          3  3.2  5.3   2
7        B          4  5.2  7.3   2

然而，如果某物以NaN开头，它会保持不变。所以fillna(0)为0

In [57]: df.ffill().fillna(0)
Out[57]:
  location  timestamp    x    y  z
0        A          1  1.2  4.3  0
1        A          2  2.2  5.3  0
2        A          3  2.2  5.3  1
3        A          4  3.2  7.3  1
4        B          1  2.2  4.3  1
5        B          2  3.2  5.3  1
6        B          3  3.2  5.3  2
7        B          4  5.2  7.3  2

除了ffill()，您还可以使用pd.Series.interpolate

来插入值。

In [58]: df.apply(pd.Series.interpolate).fillna(0)
Out[58]:
  location  timestamp    x    y     z
0        A          1  1.2  4.3  0.00
1        A          2  2.2  5.3  0.00
2        A          3  2.7  6.3  1.00
3        A          4  3.2  7.3  1.25
4        B          1  2.2  4.3  1.50
5        B          2  3.2  5.3  1.75
6        B          3  4.2  6.3  2.00
7        B          4  5.2  7.3  2.00

并且，你可以用bfill()来代替fillna(0)，而不是ffill()

In [59]: df.apply(pd.Series.interpolate).bfill()
Out[59]:
  location  timestamp    x    y     z
0        A          1  1.2  4.3  1.00
1        A          2  2.2  5.3  1.00
2        A          3  2.7  6.3  1.00
3        A          4  3.2  7.3  1.25
4        B          1  2.2  4.3  1.50
5        B          2  3.2  5.3  1.75
6        B          3  4.2  6.3  2.00
7        B          4  5.2  7.3  2.00