Question

我有一个月度数据的时间序列。我想按年汇总值，但保留原始的TimeSeries索引。这可能是最好的例子：

# April 2012 to Nov 2053
dates = pd.date_range('2012-04-01',periods=500,freq='MS')

# Random time series over date range
a = pd.Series(np.arange(500), index=dates)

# Almost works but I'm missing the last 7 months:
# May 2053 to Nov 2053
b = a.resample('AS-APR', how='sum').resample('MS', fill_method='pad')

我知道如何让b包含完整的500个时间段，包括过去7个月的遗失？他们需要从2053年4月的价值填充。

Answer 1

改为使用reindex：

b = a.resample('AS-APR', how='sum').reindex(a.index, method='pad')

这样，您将获得与原始Series对象相同的索引，并根据需要进行填充。

resample的问题在于，当您第一次重新采样a时，最后一个条目将于2053年4月结束。因此，当您进行第二次重采样时，结束日期将为2053-04-01。所以它做了正确的重新采样，但第一个将结束日期从11月移到了4月。

如果您想要使用与原始数组不同的频率，可以使用此方法再次执行此操作：

b = a.resample('AS-APR', how='sum').reindex(a.resample('D').index, method='pad')

Pandas按年汇总值，但保留原始的TimeSeries索引

1 个答案: