使用pandas向前填充时间戳列并使用特定值（1秒）。

Question

I have a pandas.Series like:

Timestamp_data:
0   2018-09-26 04:38:32.544 
1   NaT
2   NaT
3   NaT
4   2018-09-26 04:58:32.544
5   NaT

我想要对前一个可用时间点之后的每个 NaT（Not a Time）增加 1 秒：

    Timestamp_data:
0   2018-09-26 04:38:32.544 
1   2018-09-26 04:39:32.544
2   2018-09-26 04:40:32.544
3   2018-09-26 04:41:32.544
4   2018-09-26 04:58:32.544
5   2018-09-26 04:59:32.544

有这样一篇文章：

如何通过在 Pandas 中将 x 添加到前一行来填充 NA 值

但是在当前的 numpy 版本中，np.diff() 对布尔值会产生 TypeError。

- cincin21

---

我的解决方案可行吗？你想加一分钟还是一秒钟？ - jezrael

完美，谢谢！ :) - cincin21

Answer 1

你可以使用cumcount和to_timedelta为连续缺失的日期创建时间差，因为只有筛选这些行才会添加reindex以填充现有数据的0 timedelta。

最后，向前填充NaT并添加新的Series:

print (df)
           Timestamp_data
0 2018-09-26 04:25:32.544
1 2018-09-26 04:38:32.544
2                     NaT
3                     NaT
4                     NaT
5 2018-09-26 04:58:32.544
6                     NaT

m = df['Timestamp_data'].notna()
#old pandas alternative
#m = df['Timestamp_data'].notnull()

s = (pd.to_timedelta(df[~m].groupby(m.cumsum()).cumcount() + 1, unit='s')
       .reindex(df.index, fill_value=0))

将最后结果乘以60，即可增加1分钟：

原始答案：最初的回答

df['Timestamp_data'] = df['Timestamp_data'].ffill()  + s * 60

print (df)
           Timestamp_data
0 2018-09-26 04:25:32.544
1 2018-09-26 04:38:32.544
2 2018-09-26 04:39:32.544
3 2018-09-26 04:40:32.544
4 2018-09-26 04:41:32.544
5 2018-09-26 04:58:32.544
6 2018-09-26 04:59:32.544

将多个秒数除以60，仅保留一秒：

最初的回答：

df['Timestamp_data'] = df['Timestamp_data'].ffill()  + s 
print (df)
           Timestamp_data
0 2018-09-26 04:25:32.544
1 2018-09-26 04:38:32.544
2 2018-09-26 04:38:33.544
3 2018-09-26 04:38:34.544
4 2018-09-26 04:38:35.544
5 2018-09-26 04:58:32.544
6 2018-09-26 04:58:33.544

- jezrael