我有一个Pandas数据帧，我想填补失踪的价值

Question

我有一个有2列的数据帧。第1列有数据类型timestamp，第2列由值组成，数据类型是int

df1 frame
1st column            2nd column
2019-06-15 00:00:00     520
2019-06-15 02:00:00     263
2019-06-15 04:00:00     756
2019-06-16 14:00:00     264
2019-06-16 17:00:00     1254

我想要这样的输出

1st column            2nd column 
2019-06-15 00:00:00     756
2019-06-15 01:00:00     0
2019-06-15 02:00:00     263
2019-06-15 03:00:00     0
2019-06-15 04:00:00     756
         ...
2019-06-16 00:00:00     0
2019-06-16 01:00:00     0
         ...
2019-06-16 14:00:00      264
2019-06-16 15:00:00     0
2019-06-16 16:00:00     0
2019-06-16 01:00:00     1254
         ...
2016-06-16 23:00:00      0
2019-06-15 01:00:00      0

也就是说，我想将缺失的小时数值填充为零。你知道吗

Answer 1

将resample与fillna一起使用：

df.set_index('1st column').resample('H').first().fillna(0)

---

                     2nd column
1st column                     
2019-06-15 00:00:00       520.0
2019-06-15 01:00:00         0.0
2019-06-15 02:00:00       263.0
2019-06-15 03:00:00         0.0
2019-06-15 04:00:00       756.0
2019-06-15 05:00:00         0.0
2019-06-15 06:00:00         0.0
2019-06-15 07:00:00         0.0
2019-06-15 08:00:00         0.0
2019-06-15 09:00:00         0.0
2019-06-15 10:00:00         0.0
2019-06-15 11:00:00         0.0
2019-06-15 12:00:00         0.0
2019-06-15 13:00:00         0.0
2019-06-15 14:00:00         0.0
2019-06-15 15:00:00         0.0
2019-06-15 16:00:00         0.0
2019-06-15 17:00:00         0.0
2019-06-15 18:00:00         0.0
2019-06-15 19:00:00         0.0
2019-06-15 20:00:00         0.0
2019-06-15 21:00:00         0.0
2019-06-15 22:00:00         0.0
2019-06-15 23:00:00         0.0
2019-06-16 00:00:00         0.0
2019-06-16 01:00:00         0.0
2019-06-16 02:00:00         0.0
2019-06-16 03:00:00         0.0
2019-06-16 04:00:00         0.0
2019-06-16 05:00:00         0.0
2019-06-16 06:00:00         0.0
2019-06-16 07:00:00         0.0
2019-06-16 08:00:00         0.0
2019-06-16 09:00:00         0.0
2019-06-16 10:00:00         0.0
2019-06-16 11:00:00         0.0
2019-06-16 12:00:00         0.0
2019-06-16 13:00:00         0.0
2019-06-16 14:00:00       264.0
2019-06-16 15:00:00         0.0
2019-06-16 16:00:00         0.0
2019-06-16 17:00:00      1254.0