本文先容基于Python谈话，读取一个不同的行示意不同的日历的.csv模式文献，将其中缺失的日历数值加以填补；并用0值对这些缺失日历对应的数据加以填充的步调。

领先，咱们明确一下本文的需求。当前有一个.csv模式文献，其第一列示意日历，用2021001这么的模式纪录每一天的日历；自后头几列则是这一日历对应的数据。如下图所示。

从上图不错看到，第一列（紫色框内）的日历有许多缺失值，举例一下子就从第001天跳到了005天，然后又径直到了042天。咱们但愿，基于这一文献，领先每日填补缺失的日历；其次，关于这些缺失日历的数据（后头四列），就皆用0值来填充即可。临了，咱们但愿用一个新的.csv模式文献来存储咱们上述修改好的数据。

知说念了需求，咱们就不错开动代码的撰写；具体代码如下。

# -*- coding: utf-8 -*- 伸开剩余77%""" Created on Thu Oct 5 14:58:19 2023 @author: fkxxgis """ import pandas as pd input_file = "E:/04_Reconstruction/03_Image/Data.csv" output_file = "E:/04_Reconstruction/03_Image/Data_AllYear.csv" df = pd.read_csv(input_file) df['time'] = pd.to_datetime(df['time'], format='%Y%j') df.set_index('time', inplace=True) start_date = pd.to_datetime('2021001', format='%Y%j') end_date = pd.to_datetime('2021365', format='%Y%j') date_range = pd.date_range(start=start_date, end=end_date, freq='D') df_filled = df.reindex(date_range, fill_value=0) df_filled.reset_index(inplace=True) df_filled['time'] = df_filled['index'].dt.strftime('%Y%j') df_filled.drop(df_filled.columns[0], axis=1, inplace=True) cols = list(df_filled.columns) cols = [cols[-1]] + cols[:-1] df_filled = df_filled[cols] df_filled.to_csv(output_file, index=False)

其中，咱们领先导入所需的库，并界说输入和输出文献的旅途。随后，咱们使用pd.read_csv步调读取输入文献，并将数据存储于df中。

接下来，咱们使用pd.to_datetime步调将df中的时代列养息为日历时代模式，并使用set_index步调将时代列开采为DataFrame的索引。

随后，打算需要填补的日历范围——咱们将字符串'2021001'养息为日历时代模式并行为抑制日历，将字符串'2021365'养息为日历时代模式并行为抑制日历，使用pd.date_range步调生成好意思满的日历范围，频率为每天。

接下来，使用reindex步调对DataFrame进行再行索引，以包含好意思满的日历范围，并使用0填充缺失值。其次，使用reset_index步调将索引列规复为平庸列，并使用dt.strftime步调将时代列养息回字符串模式。

临了，咱们使用drop步调删除第一列（不然最终输出的后果文献的第一列是前边的索引值，而不是time列），并将临了一列（也即是time列）移到第一列。随后，即可将修改后的DataFrame保存到输出文献中，使用to_csv步调，并开采index=False以幸免保存索引列。

运行上述代码，即可取得如下图所示的后果文献。

不错看到，此时文献中如故是每日的数据了，且关于那些新增日历的数据，皆是0来填充的。

至此体育游戏app平台，大功胜利。

发布于：天津市