分组并插入 Pandas

Question

我的数据包含周数、帐户 ID 和多个使用列。我想 a) 按帐户 ID 分组，b) 将每周数据重新采样为每日数据，c) 平均插入每日数据（将每周数据除以 7），然后将它们全部放回一起。我已经记下了大部分内容，但是 Pandas groupby 让我有点困惑。它也很慢，这让我觉得这可能不是最佳解决方案。

数据如下所示：

    Account Id  year week         views stats foo_col 
31133   213     2017-03-05          4.0     2.0     11.0
10085   456     2017-03-12          1.0     6.0     3.0
49551   789     2017-03-26          1.0     6.0     27.0

这是我的代码：

def interpolator(mini_df):
    mini_df = mini_df[cols_to_interpolate].set_index('year week')
    return mini_df.resample('D').ffill().interpolate() / 7

example = list(grp)[0][1]
interpolator(example) # This works perfectly

df.groupby('Account Id').agg(interpolator)                # doesn't work
df.groupby('Account Id').transform(interpolator)          # doesn't work

for name,group in grp:
    group = group[cols_to_interpolate].set_index('year week')
    group = group.resample('D').ffill().interpolate() / 7 # doesn't work

for acc_id in df['Account Id'].unique():
    mask = df.loc[df['Account Id'] == acc_id]
    print(df[mask])                                     # doesn't work

Answer 1

我希望您的函数应该与 groupby 对象链接，例如：

df = (df.set_index('year week')
        .groupby('Account Id')[cols_to_interpolate]
        .resample('D')
        .ffill()
        .interpolate() / 7)

来自评论的解决方案不同 - interpolate 适用于每个组：

df.groupby('Account Id').apply(interpolator)

分组并插入 Pandas

Groupby and interpolate in Pandas

python

interpolation

pandas

pandas-groupby