Question

我有一个年度熊猫数据系列，如下所示：

Year          Price
1940-12-31    33.85
1941-12-31    33.85
1942-12-31    33.85
1943-12-31    33.85
1944-12-31    33.85
1945-12-31    34.71
1946-12-31    34.71
1947-12-31    34.71
1948-12-31    34.71
1949-12-31    31.69
1950-12-31    34.72

我是pandas数据系列的新手，但我相信日期是一个索引，因为当我打印表时，它表示只有一列。

我想将其更改为每月，然后根据从一个点到下一个点的线性进展填充缺失月份的插值数据。例如，这里是1949年的一个样本，其中包括缺失的月份和插值：

Date        Price
1948-12-31  34.71
1949-01-31  34.46
1949-02-28  34.21
1949-03-31  33.96
1949-04-30  33.70
1949-05-31  33.45
1949-06-30  33.20
1949-07-31  32.95
1949-08-31  32.70
1949-09-30  32.45
1949-10-31  32.19
1949-11-30  31.94
1949-12-31  31.69

这些1949年内插值的公式是（[1949年底的价格] - [1948年底的价格]）/ 12 +上个月的价格

我是Pandas和python的新手，所以请原谅我，如果其他地方已经提出这个问题。

Answer 1

以下代码将完成这项工作：

df['Price'].resample('M').interpolate()

将df替换为您的DataFrame名称。 resample（'M'）将系列的频率更改为每月。（http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.resample.html）

interpolate（）默认情况下使用线性插值，这是您想要的，但它有许多其他可用选项。（http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.interpolate.html）

假设你有一个使用DatetimeIndex正确编入索引的DataFrame，这将会有效（如果我理解你的描述，情况就是如此）。您可以通过

检查是否确实如此

df.index

如果索引设置正确，您将看到类似输出的内容：

DatetimeIndex(['1940-12-31', '1941-12-31', '1942-12-31', '1943-12-31',
           '1944-12-31', '1945-12-31', '1946-12-31', '1947-12-31',
           '1948-12-31', '1949-12-31', '1950-12-31'],
          dtype='datetime64[ns]', freq='A-DEC', tz=None)

基于现有值的插值将时间条目添加到Pandas数据系列

1 个答案: