使用种类参数按PeriodIndex重新采样（）

Question

resample() documentation表示存在一个kind参数，该参数允许一个PeriodIndex重采样。这是否意味着我可以仅根据一个月进行重新采样？

示例

假设我有一个系列df：

period
1    1.0
2    2.0
4    4.0
5    5.0
6    6.0

我应该能够使用类似于以下代码的方式重新采样：

df.resample('M', kind='period').first().fillna(0)

获得：

period
1    1.0
2    2.0
3    0.0
4    4.0
5    5.0
6    6.0

其他复杂性

如果df是：

period
6    6.0

我可以编写我的resample()代码以获取：

period
1    0.0
2    0.0
3    0.0
4    0.0
5    0.0
6    6.0

注释：

• 我编写的代码不起作用，但是我认为这是因为我对resample()和PeriodIndex的假设是错误的。
• 所有期间都在同一年，因此从理论上讲，我可以制作一个datetime，但我正在尝试按时间段进行此操作。

Answer 1

问题中描述的DataFrame似乎没有PeriodIndex。因此，看来您希望通过PeriodIndex将其转换为.resample(kind=)。

您将得到AttributeError: 'Int64Index' object has no attribute 'freq'，因为重采样器正在寻找索引类型，该索引类型具有问题中显示的序数索引所不具有的频率。

这是一个完全有效的示例，概述了.resample()在使用PeriodIndex时的一般功能。

一旦您的DataFrame具有适当的索引类型，通常就不必担心该类型。框架通常处理该部分。因此，在下面，您可以看到简单地传递了重采样频率。

DataFrame.resample()不会创建不存在的用于重采样的内容。一个小技巧是在您希望重新采样开始的地方插入一个索引。

import pandas as pd
import numpy as np
print (pd.__version__)

pidx = pd.period_range(start='2019-01-01', end='2019-06-01', freq='M')

df = pd.DataFrame(index=pidx,data={'period':[1.0,2.0,3.0,4.0,5.0,6.0]})

# knock out 2019-03
df = df.drop(df.index[2])

df = df.resample('M').first().fillna(0)
print(df)

# knock out preceding periods
df = df.drop(df.index[:-1])

df = df.resample('M').first().fillna(0)
print(df)

# preceding period to reconstitute resamples
df.loc[pidx[0]] = np.nan
df = df.resample('M').first().fillna(0)
print(df)