分组并使用 Python 中的前向填充以 1 分钟的频率重新采样

如何解决分组并使用 Python 中的前向填充以 1 分钟的频率重新采样

我想以 data 的频率使用前向填充 ffill 重新采样 1min 列，同时按 df 列对 id 进行分组：

df：

          id   timestamp                data  

      1    1   2017-01-02 13:14:53.040  10.0
      2    1   2017-01-02 16:04:43.240  11.0  
                           ...
      4    2   2017-01-02 15:22:06.540   1.0  
      5    2   2017-01-03 13:55:34.240   2.0  
                           ...

预期输出：

           id   timestamp                data  

      1    1   2017-01-02 13:14:53.040  10.0
               2017-01-02 13:14:54.040  10.0
               2017-01-02 13:14:55.040  10.0
               2017-01-02 13:14:56.040  10.0
                           ...

      2    1   2017-01-02 16:04:43.240  11.0  
               2017-01-02 16:04:44.240  11.0
               2017-01-02 16:04:45.240  11.0
               2017-01-02 16:04:46.240  11.0
                           ...

      4    2   2017-01-02 15:22:06.540   1.0  
               2017-01-02 15:22:07.540   1.0
               2017-01-02 15:22:08.540   1.0
               2017-01-02 15:22:09.540   1.0
                           ...

      5    2   2017-01-03 13:55:34.240   2.0
               2017-01-03 13:55:35.240   2.0
               2017-01-03 13:55:36.240   2.0
               2017-01-03 13:55:37.240   2.0
                           ...

类似 this post 的东西，但我试过了：

df.set_index('timestamp').groupby('id').resample('1min').asfreq().drop(['id'],1).reset_index()

和 data 列仅返回 NaN 值：

    id  timestamp               data
0   1   2017-01-02 13:14:53.040 NaN
1   1   2017-01-02 13:14:54.040 NaN
2   1   2017-01-02 13:14:55.040 NaN
3   1   2017-01-02 13:14:56.040 NaN
4   1   2017-01-02 13:14:57.040 NaN
... ... ... ...

---

编辑：

1. df timestamp 的第二行由 2017-01-02 12:04:43.240 改为 2017-01-02 16:04:43.240，即属于同一个 id 的行应该被排序。
2. 我在预期的输出中误将秒视为 min，但 @jezrael 的答案是正确的。

解决方法

使用自定义函数，通过 Metadata 和 date_range 和 DataFrame.reindex 定义需要多少新行：

Timedelta

---

def f(x):
    new = x.index[0] + pd.Timedelta(5,unit='Min')
    r = pd.date_range(x.index[0],new,freq='Min')
    
    return x.reindex(r,method='ffill')


df = (df.reset_index()
        .set_index('timestamp')
        .groupby(['index','id'],sort=False)['data']
        .apply(f)
        .reset_index(level=0,drop=True)
        .rename_axis(['id','timestamp'])
        .reset_index()
        )

因为如果使用 print (df) id timestamp data 0 1 2017-01-02 13:14:53.040 10.0 1 1 2017-01-02 13:15:53.040 10.0 2 1 2017-01-02 13:16:53.040 10.0 3 1 2017-01-02 13:17:53.040 10.0 4 1 2017-01-02 13:18:53.040 10.0 5 1 2017-01-02 13:19:53.040 10.0 6 1 2017-01-02 12:04:43.240 11.0 7 1 2017-01-02 12:05:43.240 11.0 8 1 2017-01-02 12:06:43.240 11.0 9 1 2017-01-02 12:07:43.240 11.0 10 1 2017-01-02 12:08:43.240 11.0 11 1 2017-01-02 12:09:43.240 11.0 12 2 2017-01-02 15:22:06.540 1.0 13 2 2017-01-02 15:23:06.540 1.0 14 2 2017-01-02 15:24:06.540 1.0 15 2 2017-01-02 15:25:06.540 1.0 16 2 2017-01-02 15:26:06.540 1.0 17 2 2017-01-02 15:27:06.540 1.0 18 2 2017-01-03 13:55:34.240 2.0 19 2 2017-01-03 13:56:34.240 2.0 20 2 2017-01-03 13:57:34.240 2.0 21 2 2017-01-03 13:58:34.240 2.0 22 2 2017-01-03 13:59:34.240 2.0 23 2 2017-01-03 14:00:34.240 2.0 输出不同：

ffill