Python Pandas 插值：在缺失的日期范围内重新分配值

Question

我有关于设施流量的时间趋势数据（随着时间的推移进入设施和从设施释放），但存在差距。由于该数据的结构，当出现差距时，差距前一天的“释放”人为高（占差距期间释放的所有未见个人），而差距后一天的“录取”差距是人为高的（出于同样的原因：在差距期间被接纳并留在设施中的任何个人都将在该日期显示为“接纳”）。

这是一个涉及此类数据缺口的 Pandas 系列示例（零表示 2020-01-04 到 2020-01-07 的数据缺失）：

date(index)    releases    admissions
2020-01-01     15          23
2020-01-02     8           20
2020-01-03     50          14
2020-01-04     0           0
2020-01-05     0           0
2020-01-06     0           0
2020-01-07     0           0
2020-01-08     8           100
2020-01-09     11          19
2020-01-10     9           17

对此的可视化（忽略缺失总人口的单独线性插值）如下所示：

我想对这些数据进行平滑处理，但我不确定使用什么插值方法。我想要完成的是在日期间隙（0）-1 上重新分配“发布”，并在日期间隙（n）+1 上重新分配“录取”。例如，如果一个间隔为 4 天，并且在第 gap(n)+1 天有 100 个录取，我想重新分配，以便在间隔的每一天有 20 个录取，并且在第 gap(n) 天+1 录取被修改为显示 20。

使用上面的示例系列，重新分发将如下所示：

date(index)    releases    admissions
2020-01-01     15          23
2020-01-02     8           20
2020-01-03     10          14
2020-01-04     10          20
2020-01-05     10          20
2020-01-06     10          20
2020-01-07     10          20
2020-01-08     8           20
2020-01-09     11          19
2020-01-10     9           17

Answer 1

您可以创建具有连续零的组 + 之前为releases 一个值，为admissions 之后一个值，然后使用transform('mean') 计算每个组的平均值：

# releases
df['releases'] = df.groupby(
    df['releases'].replace(0, np.nan).notna().cumsum()
)['releases'].transform('mean')

# admissions
df['admissions'] = df.groupby(
    df['admissions'].replace(0, np.nan).notna().iloc[::-1].cumsum().iloc[::-1]
)['admissions'].transform('mean')

输出：

            releases  admissions
date                            
2020-01-01        15          23
2020-01-02         8          20
2020-01-03        10          14
2020-01-04        10          20
2020-01-05        10          20
2020-01-06        10          20
2020-01-07        10          20
2020-01-08         8          20
2020-01-09        11          19
2020-01-10         9          17

---

更新：为了保留现有的NA 值：

# releases
df['releases_i'] = df.groupby(
    df['releases'].ne(0).cumsum()
)['releases'].transform('mean')

# admissions
df['admissions_i'] = df.groupby(
    df['admissions'].ne(0).iloc[::-1].cumsum().iloc[::-1]
)['admissions'].transform('mean')