按季度重新采样一年并向后填充值。向后填充方法bfill()将使用下一个已知值来替换NaN。
df.resample('Q').bfill()
一个实际的例子
让我们看看如何使用Pandas resample()来处理一个现实世界的问题。
假设我们有两个数据集，一个是月销售额dfsales，另一个是价格dfprice。df_price只有关于价格变化的记录。
我们想计算一下每个月的销售总额，下面是预期的产量。
这个计算中比较困难的部分是，我们需要检索每个月的价格，并将其合并到数据中，以便计算总价格。
一种简洁的解决方案是使用Pandas的resample()函数。一行代码可以检索每个月的价格。
步骤1:按月重新取样价格数据集，并向前填充值
df_price = df_price.resample('M').ffill()
通过调用resample('M')来按月重新采样给定的时间序列。在此之后，调用ffill()来转发填充值。你是不是有点困惑?查看下面的图片了解细节。
步骤2:结合结果并计算总销售额
df = pd.concat([df_sales, df_price], axis = 1) df['total_sales'] = df['num_sold'] * df['price']
使用参数axis=1的Pandas concat()函数水平组合dfsales和dfprice。在此之后，可以使用元素方面的乘法df['num_sold'] * df['price']来计算总销售额。
通过执行上述语句，您应该得到如下输出:
结论
Pandas resample()函数是一个简单、强大、高效的函数，用于在频率转换期间执行重采样操作。
我希望本文能帮助您节省分析时间序列数据的时间。我建议您查看resample() API的文档，了解您可以做的其他事情。
本文地址：网络知识频道 https://www.hkm168.com/jiqiao/903062_2.html，易企推百科一个免费的知识分享平台，本站部分文章来网络分享，本着互联网分享的精神，如有涉及到您的权益，请联系我们删除，谢谢！
相关阅读
