python - Pandas :掉落的观察值不足四分之一

假设我有以下DataFrame，其中包括系列“ X”的每月观测值

df = pd.DataFrame({"Date":["201501", "201502", "201503", "201504", "201505", "201506",
                           "201507", "201508", "201509", "201510", "201511", "201512"],
                           "X":[np.nan, np.nan, 100, 101,102,101, np.nan, 104, 103, 104,
                                107, 110]}).set_index("Date")

In [32]:df
Out[32]:
            X
Date
201501    NaN
201502    NaN
201503  100.0
201504  101.0
201505  102.0
201506  101.0
201507    NaN
201508  104.0
201509  103.0
201510  104.0
201511  107.0
201512  110.0

我需要删除所有四分之一数据中没有的每月观测值。季度为Q1 = M1，M2，M3，Q2 = M4，M5，M6，Q3 = M7，M8，M9，Q4 = M10，M11，M12

在上面的示例中，我需要最终的DataFrame为：

In [32]:df
Out[34]:
             X
Date
201501     NaN
201502     NaN
201503     NaN
201504   101.0
201505   102.0
201506   101.0
201507     NaN
201508     NaN
201509     NaN
201510   104.0
201511   107.0
201512  110.0

有什么帮助吗？如果缺少的观察值位于数据框的末端，我已经找到了一种方法来做我需要的事情，但是我仍然坚持如何处理中间的缺失值。

最佳答案

您可以重新采样并计数不是NaN的那些，然后根据该条件进行选择：

df[df.resample('Q').transform('count') == 3]
Out:
                X
Date
2015-01-01    NaN
2015-02-01    NaN
2015-03-01    NaN
2015-04-01  101.0
2015-05-01  102.0
2015-06-01  101.0
2015-07-01    NaN
2015-08-01    NaN
2015-09-01    NaN
2015-10-01  104.0
2015-11-01  107.0
2015-12-01  110.0

假设index是日期时间索引。您可以使用df.index = pd.to_datetime(df.index, format='%Y%m')进行转换。

关于python - Pandas :掉落的观察值不足四分之一，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41187487/