Doplňování prázdných hodnot v Pythonu (pandas)

Autor: Miroslav Kozel

Určitě jste někdy potřebovali doplnit chybějící hodnoty v nějaké časové řadě.

Příkladem mohou být měnové kurzy - ty se běžně nevyhlašují na víkend, ale vy je můžete potřebovat i pro sobotu a neděli. Takže je potřebujete získat z předchozího dne nebo jinak.

V SQL nebo v Excelu je potřeba se trochu zamyslet nad tím, jak si s tím poradit a je s tím i trochu práce.

S Pandas je to otázka zavolání dvou funkcí na dataframe.

A můžete si snadno vybrat – je libo díry vyplnit předchozí hodnotou? Nebo lineárně časově interpolovat?

Díky řetězení volání funkcí je to otázka jednoho řádku kódu.

Vyjdeme z tabulky, kde chybí hodnoty:

Doplnění shora dolů

Dny doplníme takto funkcí asfreg

• kurz.asfreq('D').fillna(method = 'ffill').head(7)

Protože:

• D - znamená že se pracují na úrovni jednotlivých dní (ne třeba měsíců)
• ffill - definuje doplňování shora dolů

Výsledek bude takto, přibyly nové dny a jsou vyplněné předchozí hodnotou:

	Kurz USD
Datum
2022-01-03	21.860
2022-01-04	21.944
2022-01-05	21.739
2022-01-06	21.679
2022-01-07	21.626
2022-01-08	21.626 - doplněny předchozí hodnoty
2022-01-09	21.626

Interpolace

A co kdybyste chtěli hodnoty z předchozích řádků ne jen vyplnit, ale interpolovat?

Pak bude zápis a výsledek např. takto:

• kurz.asfreq('D').interpolate('time').head(7)

Kurz USD
Datum
2022-01-03	21.860000
2022-01-04	21.944000
2022-01-05	21.739000
2022-01-06	21.679000
2022-01-07	21.626000
2022-01-08	21.592333 - interpolovaná hodnoty z předchozího
2022-01-09	21.558667