从数据帧中的序列中查找缺少的编号

Question

我的数据框中有以下数据：

uniquecode1 year    month   Name  Sale
    1029    2020      5     ABC    10
    1029    2020      6     ABC    20
    1029    2020      10    ABC    30 
    1029    2020      11    ABC    35
    1029    2020      12    ABC    38
    1050    2020      4     DEF    39
    1050    2020      5     DEF    40
    1050    2020      6     DEF    31
    1050    2020      7     DEF    45
    1050    2020      8     DEF    55
    1079    2020      4     GHI    65
    1079    2021      2     GHI    75
    10810   2021      1     XYZ    85

假设我们坐在3月21日。对于2021年的月上限，我们将限制在3月21日减去1日，即2月21日

我们看到数据被分成不同的唯一代码组1。对于每组uniquecode1，我们在“月”列中缺少值

1. 对于1029，我们缺少2020年的月值7,8,9和2021年的月值1,2
2. 对于1050，我们缺少2020年的月份值9,10,11,12和2021年的月份值1,2
3. 对于1079，我们缺少2020年的月份值5,6,7,8,9,10,11,12和2021年的月份值1
4. 对于10810，我们缺少2020年的月份值4,5,6,7,8,9,10,11,12和2021年的月份值2

我对熊猫不熟悉。我试图建立一个逻辑来处理上述缺失的值。将缺少的月份和年份值插入数据时，“uniquecode1”和“name”应从各自的组值中复制，“Sale”的值应为0或NaN

有人能帮我用熊猫为它写一个代码吗？ 请告诉我您可能需要的其他详细信息

Answer 1

您可以将带有month的year转换为datetimes，然后使用带有新0的^{}{a2}添加所有缺少的组合（对于不存在的值）和带有原始格式的^{}的^{}：

df['dates'] = pd.to_datetime(df[['year','month']].assign(day=1))

df = (df.set_index(['uniquecode1','Name', 'dates'])['Sale']
        .unstack(fill_value=0)
        .stack()
        .reset_index(name='Sale'))

---

print (df.head(10))
    uniquecode1 Name      dates  Sale
0          1029  ABC 2020-04-01     0
1          1029  ABC 2020-05-01    10
2          1029  ABC 2020-06-01    20
3          1029  ABC 2020-07-01     0
4          1029  ABC 2020-08-01     0
5          1029  ABC 2020-10-01    30
6          1029  ABC 2020-11-01    35
7          1029  ABC 2020-12-01    38
8          1029  ABC 2021-01-01     0
9          1029  ABC 2021-02-01     0

添加年份和月份的最后期限：

df = df.assign(year = df['dates'].dt.year, month = df['dates'].dt.month)
print (df.head())
   uniquecode1 Name      dates  Sale  year  month
0         1029  ABC 2020-04-01     0  2020      4
1         1029  ABC 2020-05-01    10  2020      5
2         1029  ABC 2020-06-01    20  2020      6
3         1029  ABC 2020-07-01     0  2020      7
4         1029  ABC 2020-08-01     0  2020      8

但不幸的是缺少09-2020，因此有必要添加^{}：

df['dates'] = pd.to_datetime(df[['year','month']].assign(day=1))
mux = pd.date_range(df['dates'].min(), df['dates'].max(), freq='MS', name='dates')

#for add maximum manaully
#mux = pd.date_range(df['dates'].min(), '2021-03-01', freq='MS', name='dates')

df = (df.set_index(['uniquecode1','Name', 'dates'])['Sale']
        .unstack(fill_value=0)
        .reindex(mux, axis=1, fill_value=0)
        .stack()
        .reset_index(name='Sale')
        )

df = df.assign(year = df['dates'].dt.year, month = df['dates'].dt.month)
print (df.head(10))
   uniquecode1 Name      dates  Sale  year  month
0         1029  ABC 2020-04-01     0  2020      4
1         1029  ABC 2020-05-01    10  2020      5
2         1029  ABC 2020-06-01    20  2020      6
3         1029  ABC 2020-07-01     0  2020      7
4         1029  ABC 2020-08-01     0  2020      8
5         1029  ABC 2020-09-01     0  2020      9
6         1029  ABC 2020-10-01    30  2020     10
7         1029  ABC 2020-11-01    35  2020     11
8         1029  ABC 2020-12-01    38  2020     12
9         1029  ABC 2021-01-01     0  2021      1