Question

我试图在时间序列数据框中插入缺少的工作日，例如

import pandas as pd
from pandas.tseries.offsets import *
df = pd.DataFrame([['2016-09-30', 10, 2020], ['2016-10-03', 20, 2424], ['2016-10-05', 5, 232]], columns=['date', 'price', 'vol']).set_index('date')
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date')

数据如下所示：

Out[300]: 
            price   vol
date                   
2016-09-30     10  2020
2016-10-03     20  2424
2016-10-05      5   232

我可以使用pd.date_range()

轻松创建一系列工作日

pd.date_range('2016-09-30', '2016-10-05', freq=BDay())
Out[301]: DatetimeIndex(['2016-09-30', '2016-10-03', '2016-10-04', '2016-10-05'], dtype='datetime64[ns]', freq='B')

基于DateTimeIndex我想在df中添加缺少的日期，并用NaN填充列值，所以我得到：

Out[300]: 
            price   vol
date                   
2016-09-30     10  2020
2016-10-03     20  2424
2016-10-04     NaN  NaN
2016-10-05      5   232

有一种简单的方法吗？谢谢！

Answer 1

或者，您可以使用pandas.DataFrame.resample()，指定＆＃39; B＆＃39; 营业日，无需指定开始日期或结束日期序列，因为数据框架维护日期时间索引

df = df.resample('B').sum()

#             price     vol
# date                     
# 2016-09-30   10.0  2020.0
# 2016-10-03   20.0  2424.0
# 2016-10-04    NaN     NaN
# 2016-10-05    5.0   232.0

Answer 2

您可以使用reindex：

CoTaskMemFree()

在pandas数据框中插入缺少的工作日，并用NaN填充它们

2 个答案: