나는 dataframe과 같이이 팬더

Question

와 dataframe 항목에없는 시간을 추가 : 당신이 볼 수 있듯이

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]}) 

가, 시간이 시간 (문자열 형식)에 의해 형성되는 자정에 걸쳐 있습니다. 시간은 매 5 초마다 주어집니다! 그러나 그 목표는 매초마다 빈 행 (예 : Nan으로 채워짐)을 추가하는 것입니다. 마지막으로 열 시간은 시간 소인으로 변환되어 색인으로 설정되어야합니다.

내 목표를 달성하기 위해 현명하고 우아한 방법을 제안 해주세요.

  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 

참고 : 나는 날짜를 필요가 없습니다 여기

출력이 어떻게 보일지입니다.

Answer 1

에 사용 to_timedeltareindextimedelta_range의 : 일부 행이 결국 누락 resample와

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 

또 다른 해결책 만 가능하다 : NaN의 교체가 필요

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 

경우

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 

편집 :

또 다른 해결책 - 변경 다음날 1 일 timedeltas : 대답에 대한

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() 

이

---

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