0

Tengo el siguiente DataFrame en Python, en principio con 2 valores distintos para la columna "título":

titulo  fecha      rendim_acumulado
Peras   2019-05-03  1.000000
Uvas    2019-05-03  1.031752
Uvas    2019-05-06  1.031752
Peras   2019-05-06  1.000000
Uvas    2019-05-07  1.031752
Uvas    2019-05-08  1.031752
Peras   2019-05-08  1.000000
Uvas    2019-05-09  1.031752
Peras   2019-05-09  1.000000

Quiero obtener el promedio del rendimiento_acumulado por fecha. El problema es que algunas fechas tienen algún título faltante (como sucede el día 2019-05-07). En esos casos yo quisiera que para calcular el promedio utilice el rendimiento_acumulado de ese título en la fecha anterior. Es decir que por ejemplo el día 2019-05-07 haga el promedio entre 1.031752 y 1.000000 (dado que 1.000000 es el último valor del título Peras).

El siguiente código no me sirve, porque me ignora el título cuya fecha no está en el Dataframe:

df.groupby("fecha") ['rendim_acumulado'].mean()
2
  • no veo eso donde dices titulo faltante, podrias aclararlo porfavor, se agradece
    – sysbot
    Commented el 11 ene. 2022 a las 4:16
  • Si te fijas en el DataFrame, para cada fecha existe el rendimiento acumulado tanto de Peras como de Uvas, pero por ejemplo para la fecha 2019-05-07 sólo está registrado el rendimiento acumulado de Uvas, y falta el de Peras. Es ahí cuando el promedio me arroja valores distintos a los que busco obtener. Commented el 11 ene. 2022 a las 16:11

1 respuesta 1

0

espero que esto te sirva:

Lo primero que hice fue evaluar por titulo la completitud, unirlo en un dataframe final y con base en este ya hacer el groupby.

titulos=[x for x in df.titulo.unique()]

new_df=pd.DataFrame()
for titulo in titulos:
    #fist part to complete Dataframe data
    df_copy=df.loc[df['titulo']==titulo]
    
    #this part fill incomplete data between dates
    idx = pd.date_range(df.fecha.values[0], df.fecha.values[-1])
    df_copy.set_index('fecha',inplace=True,drop=True)
    df_copy= df_copy.reindex(idx, fill_value=np.nan)
    df_copy.fillna(method='ffill',inplace=True)
    new_df=new_df.append(df_copy,ignore_index=False)
    
#Ordering the final DataFrame - optional
new_df.reset_index(inplace=True)
new_df = new_df.rename(columns={'index': 'fecha'})
new_df.sort_values(by=['fecha'])

#groupby with the complete DataFrame
new_df.groupby("fecha") ['rendim_acumulado'].mean()

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.