python中的模块化算法来迭代熊猫数据框

Question

好的，我有一个大数据框，例如：

hour value 0 0 1 1 6 2 2 12 3 3 18 4 4 0 5 5 6 6 6 12 7 7 18 8 8 6 9 9 12 10 10 18 11 11 12 12 12 18 13 13 0 14

我们不要在这里迷路。该列hour代表一天中的小时，从6到6个小时。Columnvalues很好，确切地说，这里的值仅作为示例，而不是实际的值。

如果您仔细查看该hour列，您会发现缺少几个小时。例如，第7行和第8行之间有一个间隔（缺少小时0的值）。还有更大的差距，例如在第10行和第11行之间（第00和06小时）。

我需要什么？我想检查何时缺少一个小时（当然还有一个值），并完成数据框，在其中插入带有相应小时数和np.nanas值的行。

我在想什么 我认为使用模块化算法可以轻松解决此问题，在这种情况下，使用mod 24（例如when）18 + 6 = 24 = 0 mod 24。因此，将计数器初始化为零，并加警告6 ，以确保在模块化算术mod 24中定义了该计数器，您可以验证每个hour小时是否都是对应的小时，如果不是，则插入具有相应小时和np.nan作为值的新行。

我不知道如何在python中执行模块化算术的实现以迭代数据帧列。

非常感谢你。

Answer 1

解

group_hours = (df.hour <= df.hour.shift()).cumsum()

def insert_missing_hours(df):
    return df.set_index('hour').reindex([0, 6, 12, 18]).reset_index()

df.groupby(group_hours).apply(insert_missing_hours).reset_index(drop=1)

好像：

    hour  value
0      0    1.0
1      6    2.0
2     12    3.0
3     18    4.0
4      0    5.0
5      6    6.0
6     12    7.0
7     18    8.0
8      0    NaN
9      6    9.0
10    12   10.0
11    18   11.0
12     0    NaN
13     6    NaN
14    12   12.0
15    18   13.0
16     0   14.0
17     6    NaN
18    12    NaN
19    18    NaN

说明
为了应用，reindex我需要确定要分组的行。我检查行的小时数是否小于或等于前一行的小时数。如果是这样，则标记一个新组。

insert_missing_hours恰恰是reindex的子组[0, 6, 12, 18]。