pandas处理日期缺失

#两种方法实现
'''
1）DataFrame.reindex：调整dataframe的索引以适应新的索引
2） DataFrame.resample，可以对时间序列重新采样，支持补充缺失值
'''
import pandas as pd 
import os
%matplotlib inline

df = pd.DataFrame({"pdate":['2019-12-01','2019-12-02','2019-12-04','2019-12-05'],'pv':[100,200,400,500],'uv':[10,20,40,50], 
})
df

#df缺少2019-12-03这个日期
df.set_index('pdate').plot()

<matplotlib.axes._subplots.AxesSubplot at 0x1d68fb97e10>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cScC4omN-1601386256504)(output_2_1.png)]

#方法一

df_date = df.set_index('pdate')
df_date
#将索引设置为日期,并且将index改为时间序列的格式

df_date.index

Index(['2019-12-01', '2019-12-02', '2019-12-04', '2019-12-05'], dtype='object', name='pdate')

#将DataFrame的index从字符串转换成时间序列，再输出相应index为时间序列的DataFrame
df_date = df_date.set_index(pd.to_datetime(df_date.index))
df_date.index

DatetimeIndex(['2019-12-01', '2019-12-02', '2019-12-04', '2019-12-05'], dtype='datetime64[ns]', name='pdate', freq=None)

pdate = pd.date_range(start = '2019-12-01',end = '2019-12-05')
pdate

DatetimeIndex(['2019-12-01', '2019-12-02', '2019-12-03', '2019-12-04','2019-12-05'],dtype='datetime64[ns]', freq='D')

df_date_new = df_date.reindex(pdate,fill_value=0)#注意，重新设置index是reindex，不是set_index
df_date_new

‘’’
reindex()方法用于创建一个符合新索引的新对象
①对于Series类型，调用reindex()会将数据按照新的索引进行排列,如果某个索引值之前不存在，则引入缺失值
如：
②DataFrame中，reindex()可以改变行索引和列索引
reset_index()，顾名思义，即设置索引。可以设置单索引和复合索引
调用这个函数会生成一个新的DataFrame, 新的df使用一个列或多个列作为索引
reset_index()，它是set_index()的反操作，调用它分层索引的索引层级会被还原到列中

‘’’

df_date_new.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x1d691b08a58>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GkR5Se3o-1601386256511)(output_10_1.png)]

#方法二：pandas.resample方法
df

df_new2 = df.set_index(pd.to_datetime(df['pdate']))
#
df_new2

df_new2 = df.set_index(pd.to_datetime(df['pdate'])).drop('pdate',axis=1)
df_new2

df_new3 = df_new2.resample('D').mean().fillna(0)
df_new3