Question

尝试定义库存数据的月度和周度范围。下面的代码只适用于高，它适用于每月，但不适用于每周。当我尝试在每周的df中创建一个新列时，我得到所有NaN。此外，如果我使用变量而不是新列，我会得到正确的结果。

test = df['High'].resample('w',how='max')
print test

...
2015-03-01    212.24
2015-03-08    212.06
2015-03-15    208.79
2015-03-22    211.27
2015-03-29    211.11
2015-04-05    208.61
Freq: W-SUN, Name: High, Length: 70



df['WHigh'] = df['High'].resample('w',how='max')
print df['WHigh']

...
2015-03-26   NaN
2015-03-27   NaN
2015-03-30   NaN
2015-03-31   NaN
2015-04-01   NaN
2015-04-02   NaN
Name: WHigh, Length: 336

Answer 1

问题是原始索引与重新采样索引不同，因此您无法将其分配回原始DataFrame（作为列）。

In [11]: df = pd.DataFrame([1, 2, 3, 4, 5, 6], pd.date_range('2015-01-01', periods=6))

In [12]: df
Out[12]:
            0
2015-01-01  1
2015-01-02  2
2015-01-03  3
2015-01-04  4
2015-01-05  5
2015-01-06  6

In [13]: df.resample('W')
Out[13]:
              0
2015-01-04  2.5
2015-01-11  5.5

In [14]: df['weekly'] = df.resample('W')

In [15]: df
Out[15]:
            0  weekly
2015-01-01  1     NaN
2015-01-02  2     NaN
2015-01-03  3     NaN
2015-01-04  4     2.5
2015-01-05  5     NaN
2015-01-06  6     NaN

看到只填写与周代表相匹配的那一天，其他一切都是NaN。

如果要将该周中的所有值设置为均值/最大值，请使用转换：

In [21]: df.groupby(pd.TimeGrouper('W')).transform('mean')
Out[21]:
            0
2015-01-01  2
2015-01-02  2
2015-01-03  2
2015-01-04  2
2015-01-05  5
2015-01-06  5

注意：可能这里有一个错误，它应该是浮动IMO！

In [22]: df.astype('float64').groupby(pd.TimeGrouper('W')).transform('mean')
Out[22]:
              0
2015-01-01  2.5
2015-01-02  2.5
2015-01-03  2.5
2015-01-04  2.5
2015-01-05  5.5
2015-01-06  5.5

Python pandas resample每周工作每周没有

1 个答案: