Заполните строку во фрейме данных первым днем ​​месяца - PullRequest
Новая
       97

Заполните строку во фрейме данных первым днем ​​месяца

0 голосов
/ 19 июня 2020

У меня возникла проблема, и я не могу найти решение.

У меня есть этот фрейм данных: 

Date, Product, Value1, Value2
13-3-2020, A, 10, 15
13-4-2020, A, 11, 26
13-5-2020, A, 14, 14
2-2-2018, B, 10, 15
18-2-2018, B, 11, 26
5-4-2018, B, 14, 14
5-5-2018, B, 12, 12

И я хотел бы указать первый день месяца в датах между каждым продуктом, чтобы каждый продукт был другим " от даты "и до" даты. Результат, которого я хочу достичь, будет следующим: 

Date, Product, Value1, Value2
13-3-2020, A, 10,
15 1-4-2020, A, NA, NA
13-4-2020, A, 11, 26
1-5-2020, A, NA, NA
13-5-2020, A, 14, 14
2-2-2018, B, 10, 15
18-2-2018, B, 11, 26
1-3-2018, B, NA, NA
1-4-2018, B, NA, NA
5-4-2018, B, 14, 14
1-5-2018, B, NA, NA
5-5-2018, B, 12, 12

Любая помощь приветствуется.

1 Ответ

0 голосов
/ 19 июня 2020

Я думаю, что следующий код сделает эту работу за вас. Вы можете изменить параметр freq = 'MS', если хотите разные интервалы. 

[javad@ThinkPad ~ ]$ cat pandas_fill_first_month.py
from io import StringIO
import pandas as pd
data = StringIO("""\
Date, Product, Value1, Value2
13-3-2020, A, 10, 15
13-4-2020, A, 11, 26
13-5-2020, A, 14, 14
2-2-2018, B, 10, 15
18-2-2018, B, 11, 26
5-4-2018, B, 14, 14
5-5-2018, B, 12, 12""")
df = pd.read_table(data, sep=', ', parse_dates=[0])

month_df = pd.Series(pd.date_range(start=min(df['Date']), end=max(df['Date']), freq='MS'), name="Date").to_frame()
df = df.append(month_df, ignore_index=True)
df = df.sort_values(by='Date').reset_index(drop=True)
print(df)

[javad@ThinkPad ~ ]$ python3 pandas_fill_first_month.py
         Date Product  Value1  Value2
0  2018-02-02       B    10.0    15.0
1  2018-02-18       B    11.0    26.0
2  2018-03-01     NaN     NaN     NaN
3  2018-04-01     NaN     NaN     NaN
4  2018-05-01     NaN     NaN     NaN
5  2018-05-04       B    14.0    14.0
6  2018-05-05       B    12.0    12.0
7  2018-06-01     NaN     NaN     NaN
8  2018-07-01     NaN     NaN     NaN
9  2018-08-01     NaN     NaN     NaN
10 2018-09-01     NaN     NaN     NaN
11 2018-10-01     NaN     NaN     NaN
12 2018-11-01     NaN     NaN     NaN
13 2018-12-01     NaN     NaN     NaN
14 2019-01-01     NaN     NaN     NaN
15 2019-02-01     NaN     NaN     NaN
16 2019-03-01     NaN     NaN     NaN
17 2019-04-01     NaN     NaN     NaN
18 2019-05-01     NaN     NaN     NaN
19 2019-06-01     NaN     NaN     NaN
20 2019-07-01     NaN     NaN     NaN
21 2019-08-01     NaN     NaN     NaN
22 2019-09-01     NaN     NaN     NaN
23 2019-10-01     NaN     NaN     NaN
24 2019-11-01     NaN     NaN     NaN
25 2019-12-01     NaN     NaN     NaN
26 2020-01-01     NaN     NaN     NaN
27 2020-02-01     NaN     NaN     NaN
28 2020-03-01     NaN     NaN     NaN
29 2020-03-13       A    10.0    15.0
30 2020-04-01     NaN     NaN     NaN
31 2020-04-13       A    11.0    26.0
32 2020-05-01     NaN     NaN     NaN
33 2020-05-13       A    14.0    14.0
...