パンダは重複したデータセットを持つグループ別に再サンプリングする

Question

ここでは同様の質問がたくさんありますが、実際には同じdatetimeで観測したものは見つかりませんでした。最小非稼働の例では、次のようになります。

df = pd.DataFrame(
    {"Date": np.tile([pd.Series(["2016-01", "2016-03"])], 2)[0], 
    "Group": [1,1,2,2], 
    "Obs":[1,2,5,6]}) 

要求出力が私の理解では、resampleがすべきことである

Date Group Obs 
    2016-01  1  1 
    2016-02  1  1.5 
    2016-03  1  2 
    2016-01  2  5 
    2016-02  2  5.5 
    2016-03  2  6 

あるので、今私は、直線グループによって2016年2月の値を補間したいのですがこれを行うことができます（私の実際のアプリケーションでは、私は四半期から毎月に移動しようとしていますので、1月と4月に観測があります）。しかし、それには何らかの時間インデックスが必要です。 Dateの列。

私はある種のgroupbyの魔法が助けになると思っていますが、それを理解できません！

を使用でき

Answer 1

編集：

パンダAPIは、今あなたが使用することができ、（0.18.1）変更されたresampleを置き換えますreindexで2倍の速度向上が得られます。あなたはそれだけでグループ化列の値ごとに1つのデータフレーム（ここではdf1）を返し理解すればgroupbyを使用して

df.set_index('Date', inplace=True) 
index = ['2016-01', '2016-02', '2016-03'] 

df.groupby('Group').apply(lambda df1: df1.reindex(index).interpolate()) 

は簡単です。

Answer 2

：

#convert column Date to datetime 
df['Date'] = pd.to_datetime(df.Date) 
print (df) 
     Date Group Obs 
0 2016-01-01  1 1 
1 2016-03-01  1 2 
2 2016-01-01  2 5 
3 2016-03-01  2 6 

#groupby, resample and interpolate 
df1 = df.groupby('Group').apply(lambda x : x.set_index('Date') 
              .resample('M') 
              .first() 
              .interpolate()) 
         .reset_index(level=0, drop=True).reset_index() 

#convert Date to period 
df1['Date'] = df1.Date.dt.to_period('M') 
print (df1) 
    Date Group Obs 
0 2016-01 1.0 1.0 
1 2016-02 1.0 1.5 
2 2016-03 1.0 2.0 
3 2016-01 2.0 5.0 
4 2016-02 2.0 5.5 
5 2016-03 2.0 6.0 

EDIT：

df['Date'] = pd.to_datetime(df.Date) 
df.set_index('Date', inplace=True) 

df1 = df.groupby('Group').apply(lambda df1: df1.resample('M') 
               .first() 
               .interpolate()) 
         .reset_index(level=0, drop=True).reset_index() 

df1['Date'] = df1.Date.dt.to_period('M') 
print (df1) 
    Date Group Obs 
0 2016-01 1.0 1.0 
1 2016-02 1.0 1.5 
2 2016-03 1.0 2.0 
3 2016-01 2.0 5.0 
4 2016-02 2.0 5.5 
5 2016-03 2.0 6.0