Question

我正在尝试将月度数据下采样到每周数据，并且有一个几个月的时间序列数据框，如下所示：

             qty
PERIOD_NAME 
2017-09-01  49842.0
2017-10-01  27275.0
2017-11-01  29159.0
2017-12-01  51344.0
2018-01-01  19103.0
2018-02-01  23570.0
2018-03-01  45139.0
2018-04-01  25722.0
2018-05-01  22644.0

我尝试使用重新采样这样的周数：

tgt_item_by_445_wk = tgt_item_by_445_wk.resample('W').sum()

产生：

             qty
PERIOD_NAME 
2017-09-03  49842.0
2017-09-10  0.0
2017-09-17  0.0
2017-09-24  0.0
2017-10-01  27275.0
2017-10-08  0.0
2017-10-15  0.0
2017-10-22  0.0
2017-10-29  0.0

我已尝试插值，但我无法得到我想要的内容，这是非抽样（0＆＃39; s）的填充，第一个值的偶数分割如下：

              qty
PERIOD_NAME 
2017-09-03  12460.5
2017-09-10  12460.5
2017-09-17  12460.5
2017-09-24  12460.5
2017-10-01  5455.0
2017-10-08  5455.0
2017-10-15  5455.0
2017-10-22  5455.0
2017-10-29  5455.0

有没有一些方法可以使用重新采样，填充和插值来实现这个？

Answer 1

您需要使用cumsum groupby

来稍微调整输出

s=df.resample('W').mean()
s.groupby(s.qty.notnull().cumsum()).qty.transform(lambda x : x.sum()/len(x))
Out[166]: 
PERIOD_NAME
2017-09-03    12460.50
2017-09-10    12460.50
2017-09-17    12460.50
2017-09-24    12460.50
2017-10-01     5455.00
2017-10-08     5455.00
2017-10-15     5455.00
2017-10-22     5455.00
2017-10-29     5455.00
2017-11-05     7289.75
2017-11-12     7289.75
2017-11-19     7289.75
2017-11-26     7289.75
2017-12-03    10268.80
2017-12-10    10268.80
2017-12-17    10268.80
2017-12-24    10268.80
2017-12-31    10268.80
2018-01-07     4775.75
2018-01-14     4775.75
2018-01-21     4775.75
2018-01-28     4775.75
2018-02-04     5892.50
2018-02-11     5892.50
2018-02-18     5892.50
2018-02-25     5892.50
2018-03-04    11284.75
2018-03-11    11284.75
2018-03-18    11284.75
2018-03-25    11284.75
2018-04-01     5144.40
2018-04-08     5144.40
2018-04-15     5144.40
2018-04-22     5144.40
2018-04-29     5144.40
2018-05-06    22644.00
Freq: W-SUN, Name: qty, dtype: float64

Answer 2

让我们试试asfreq和groupby。

v = df.asfreq('W', method='ffill')
v /= v.groupby(v.index.strftime('%Y-%m')).transform('count')

                  qty
PERIOD_NAME          
2017-09-03   12460.50
2017-09-10   12460.50
2017-09-17   12460.50
2017-09-24   12460.50
2017-10-01    5455.00
2017-10-08    5455.00
2017-10-15    5455.00
2017-10-22    5455.00
2017-10-29    5455.00
2017-11-05    7289.75
2017-11-12    7289.75
2017-11-19    7289.75
2017-11-26    7289.75
2017-12-03   10268.80
2017-12-10   10268.80
2017-12-17   10268.80
2017-12-24   10268.80
2017-12-31   10268.80
2018-01-07    4775.75
2018-01-14    4775.75
2018-01-21    4775.75
2018-01-28    4775.75
2018-02-04    5892.50
2018-02-11    5892.50
2018-02-18    5892.50
2018-02-25    5892.50
2018-03-04   11284.75
2018-03-11   11284.75
2018-03-18   11284.75
2018-03-25   11284.75
2018-04-01    5144.40
2018-04-08    5144.40
2018-04-15    5144.40
2018-04-22    5144.40
2018-04-29    5144.40

这很有效，因为您的值始终在每个月的第一天。或者，您可以使用

v /= v.groupby(v.qty).transform('count').values

第二步。

熊猫重新采样数月至数周

2 个答案: