私はデータフレームとても似ていパンダ

Question

でデータフレームの列に欠落している回を追加します：あなたが見ることができるように

df = pd.DataFrame({'time':['23:59:45','23:49:50','23:59:55','00:00:00','00:00:05','00:00:10','00:00:15'], 
        'X':[-5,-4,-2,5,6,10,11], 
        'Y':[3,4,5,9,20,22,23]}) 

が、時間が時間（文字列形式）によって形成され、真夜中を越えています。時間は5秒ごとに与えられます！ しかし私の目標は、時間が毎秒であるように空の行（例としてNanで埋められる）を追加することです。最後に、列の時刻をタイムスタンプとして変換し、インデックスとして設定する必要があります。

私の目標を達成するには、スマートでエレガントな方法をお勧めしますか？

  X  Y 
time 
23:59:45 -5.0 3.0 
23:59:46 NaN NaN 
23:59:47 NaN NaN 
23:59:48 NaN NaN 
...  ... ... 
00:00:10 10.0 22.0 
00:00:11 NaN NaN 
00:00:12 NaN NaN 
00:00:13 NaN NaN 
00:00:14 NaN NaN 
00:00:15 11.0 23.0 

注：ここでは

は、出力がどのように見えるかである私は、日付を必要としません。 timedelta_rangeによってreindexと

Answer 1

使用to_timedelta：

df['time'] = pd.to_timedelta(df['time']) 
idx = pd.timedelta_range('0', '23:59:59', freq='S', name='time') 

df = df.set_index('time').reindex(idx).reset_index() 
print (df.head(10)) 
     time X  Y 
0 00:00:00 5.0 9.0 
1 00:00:01 NaN NaN 
2 00:00:02 NaN NaN 
3 00:00:03 NaN NaN 
4 00:00:04 NaN NaN 
5 00:00:05 6.0 20.0 
6 00:00:06 NaN NaN 
7 00:00:07 NaN NaN 
8 00:00:08 NaN NaN 
9 00:00:09 NaN NaN 

NaNの置き換えが必要な場合：resampleと

df = df.set_index('time').reindex(idx, fill_value=0).reset_index() 
print (df.head(10)) 
     time X Y 
0 00:00:00 5 9 
1 00:00:01 0 0 
2 00:00:02 0 0 
3 00:00:03 0 0 
4 00:00:04 0 0 
5 00:00:05 6 20 
6 00:00:06 0 0 
7 00:00:07 0 0 
8 00:00:08 0 0 
9 00:00:09 0 0 

別の解決策を、いくつかの行が最終的に不足している可能です：

df = df.set_index('time').resample('S').first() 
print (df.tail(10)) 
      X Y 
time    
23:59:46 NaN NaN 
23:59:47 NaN NaN 
23:59:48 NaN NaN 
23:59:49 NaN NaN 
23:59:50 NaN NaN 
23:59:51 NaN NaN 
23:59:52 NaN NaN 
23:59:53 NaN NaN 
23:59:54 NaN NaN 
23:59:55 -2.0 5.0 

EDIT1：

idx1 = pd.timedelta_range('23:59:45', '23:59:59', freq='S', name='time') 
idx2 = pd.timedelta_range('0', '00:00:15', freq='S', name='time') 
idx = np.concatenate([idx1, idx2]) 

df['time'] = pd.to_timedelta(df['time'])   
df = df.set_index('time').reindex(idx).reset_index() 
print (df.head(10)) 
     time X Y 
0 23:59:45 -5.0 3.0 
1 23:59:46 NaN NaN 
2 23:59:47 NaN NaN 
3 23:59:48 NaN NaN 
4 23:59:49 NaN NaN 
5 23:59:50 NaN NaN 
6 23:59:51 NaN NaN 
7 23:59:52 NaN NaN 
8 23:59:53 NaN NaN 
9 23:59:54 NaN NaN 

print (df.tail(10)) 
     time  X  Y 
21 00:00:06 NaN NaN 
22 00:00:07 NaN NaN 
23 00:00:08 NaN NaN 
24 00:00:09 NaN NaN 
25 00:00:10 10.0 22.0 
26 00:00:11 NaN NaN 
27 00:00:12 NaN NaN 
28 00:00:13 NaN NaN 
29 00:00:14 NaN NaN 
30 00:00:15 11.0 23.0 

EDIT：

別の解決策 - 1日timedeltasに変更し、次の日：答えを

df['time'] = pd.to_timedelta(df['time'])   

a = pd.to_timedelta(df['time'].diff().dt.days.abs().cumsum().fillna(1).sub(1), unit='d') 
df['time'] = df['time'] + a 
print (df) 
    X Y   time 
0 -5 3 0 days 23:59:45 
1 -4 4 0 days 23:49:50 
2 -2 5 0 days 23:59:55 
3 5 9 1 days 00:00:00 
4 6 20 1 days 00:00:05 
5 10 22 1 days 00:00:10 
6 11 23 1 days 00:00:15 

idx = pd.timedelta_range(df['time'].min(), df['time'].max(), freq='S', name='time') 

df = df.set_index('time').reindex(idx).reset_index() 

---

print (df.head(10)) 
     time X Y 
0 23:49:50 -4.0 4.0 
1 23:49:51 NaN NaN 
2 23:49:52 NaN NaN 
3 23:49:53 NaN NaN 
4 23:49:54 NaN NaN 
5 23:49:55 NaN NaN 
6 23:49:56 NaN NaN 
7 23:49:57 NaN NaN 
8 23:49:58 NaN NaN 
9 23:49:59 NaN NaN 

print (df.tail(10)) 
       time  X  Y 
616 1 days 00:00:06 NaN NaN 
617 1 days 00:00:07 NaN NaN 
618 1 days 00:00:08 NaN NaN 
619 1 days 00:00:09 NaN NaN 
620 1 days 00:00:10 10.0 22.0 
621 1 days 00:00:11 NaN NaN 
622 1 days 00:00:12 NaN NaN 
623 1 days 00:00:13 NaN NaN 
624 1 days 00:00:14 NaN NaN 
625 1 days 00:00:15 11.0 23.0