Question

请考虑以下代码：

    r = pandas.date_range(datetime(2014,5,26),datetime(2014,6,6))
    ts = pandas.Series(np.random.randn(len(r)), index=r)
    print(ts.asfreq(pandas.DateOffset(days=5),how='end'))

我认为我没有正确理解应该如何使用“how”参数。使用上面的代码，我原本期望从结尾开始，asfreq的结果将每5天返回一次。我仍然得到：

2014-05-26    0.456856
2014-05-31   -0.552287
2014-06-05    0.169554
Freq: <DateOffset: kwds={'days': 5}>, dtype: float64

如果我这样做

    print(ts.asfreq(pandas.DateOffset(days=5),how='start'))

现在产生差异并获得完全相同的结果。

然后我在pandas.Series.asfreq的文档中看到了以下内容：

how : {‘start’, ‘end’}, default end
    For PeriodIndex only, see PeriodIndex.asfreq

，指出问题，因为在我的情况下，我需要使用DatetimeIndex。

我的问题是，我的例子中的正确电话是什么，总是返回一个系列，最后一点是2014-05-30，对于结束日期为2014-6-6的范围，无论我在范围内设定的开始日期？ asfreq似乎不适用于降序索引，所以反转索引似乎也不是一个选项......

Answer 1

要回答您的问题，这里有几个问题需要解决：

首先，我不太明白在这里使用DateOffset，你可以简单地用＆＃34; 5D＆＃34;它会产生相同的结果。

其次，更好的做法是使用period_range生成时间索引。第三点之后显示了一个例子。

最后，似乎你不明白asfreq正在做什么＆＃34;怎么＆＃34;使用选项。简而言之，＆＃34;如何＆＃34;选项用于＆＃34; freq＆＃34;内部asfreq设置为更大的频率（或更小的时间间隔）。让我用下面的例子来说明这一点：

import pandas as pd
import numpy as np
rng = pd.period_range('20140526','20140606')

如果我将频率设置为＆＃34;开始＆＃34;：

print(rng.asfreq('H', how='start'))

结果是：

PeriodIndex(['2014-05-26 00:00', '2014-05-27 00:00', '2014-05-28 00:00',
         '2014-05-29 00:00', '2014-05-30 00:00', '2014-05-31 00:00',
         '2014-06-01 00:00', '2014-06-02 00:00', '2014-06-03 00:00',
         '2014-06-04 00:00', '2014-06-05 00:00', '2014-06-06 00:00'],
        dtype='int64', freq='H')

当天所有时间都设定为00:00。

然而，如果＆＃34;怎么＆＃34;设置为＆＃34;结束＆＃34;

print(rng.asfreq('H', how='end'))

结果变为：

PeriodIndex(['2014-05-26 23:00', '2014-05-27 23:00', '2014-05-28 23:00',
         '2014-05-29 23:00', '2014-05-30 23:00', '2014-05-31 23:00',
         '2014-06-01 23:00', '2014-06-02 23:00', '2014-06-03 23:00',
         '2014-06-04 23:00', '2014-06-05 23:00', '2014-06-06 23:00'],
        dtype='int64', freq='H')

所有小时都设置为23:00，换句话说，就是每天的最后一小时时间戳。

所以这里的重点是：＆＃34;＆＃34;＆＃34;当新频率（小时）大于旧频率（小时）时，仅非常有用。但在这种情况下，您不是对时间序列进行子集化或重新采样，而是根据新频率为每个时间点提供新索引。

至于如何实现目标，因为您在所有重要时间点前缀，为什么不使用这些时间点创建期间索引：

r = pd.period_range('20140530','20140609',freq="5D")
print(r)
PeriodIndex(['2014-05-30', '2014-06-04', '2014-06-09'], dtype='int64', freq='5D')

关于熊猫的使用缺少一些东西＆＃39; asfreq方法

1 个答案: