溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要講解了python數據處理如何對pandas進行數據變頻或插值，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
好了，不說廢話，看我的代碼：
import pandas as pd
import numpy as np
rng = pd.date_range('20180101', periods=40)
ts = pd.Series(np.arange(1,41), index=rng)#這一行和上一行生成了一個index為時間，一共40天的數據
ts_m = ts.resample('M').asfreq()#對數據進行按月重采樣，之后再asfreq()
print(ts)
print(ts_m)tips：因為發生了一些事，所以沒有寫完這部分先這樣吧，后面我再補全
結果在下面，大家看按照月度‘M'采樣，會抓取到月末的數據，1月31日和2月28日，嗯，后面的asfreq()是需要的，不然返回的就只是一個resample對象，當然除了M以外，也可以自己進行隨意的設置頻率，比如說‘3M'三個月，‘5T'五分鐘，‘30S'三十秒，更多精彩內容請多多查看文檔
2018-01-07 7 2018-01-08 8 2018-01-09 9 2018-01-10 10 2018-01-11 11 2018-01-12 12 2018-01-13 13 2018-01-14 14 2018-01-15 15 2018-01-16 16 2018-01-17 17 2018-01-18 18 2018-01-19 19 2018-01-20 20 2018-01-21 21 2018-01-22 22 2018-01-23 23 2018-01-24 24 2018-01-25 25 2018-01-26 26 2018-01-27 27 2018-01-28 28 2018-01-29 29 2018-01-30 30 2018-01-31 31 2018-02-01 32 2018-02-02 33 2018-02-03 34 2018-02-04 35 2018-02-05 36 2018-02-06 37 2018-02-07 38 2018-02-08 39 2018-02-09 40 Freq: D, dtype: int32 2018-01-31 31.0 2018-02-28 NaN Freq: M, dtype: float64
至于這個asfreq()，用法是這樣的：
# to 45 minute frequency and forward fill
In [5]: converted = ts.asfreq('45Min', method='pad')
In [6]: converted.head()
Out[6]:
2011-01-01 00:00:00 0.469112
2011-01-01 00:45:00 0.469112
2011-01-01 01:30:00 -0.282863
2011-01-01 02:15:00 -1.509059
2011-01-01 03:00:00 -1.135632
Freq: 45T, dtype: float64然后既然有下采樣，那就要有插值了，插值的用法如下所示：
這個是線性插值，當然還有向前填充（.bfill()）向后填充(.pad())的,可以還看這個官方文檔啦，官方文檔就是好
>>> s = pd.Series([0, 1, np.nan, 3]) >>> s.interpolate() 0 0 1 1 2 2 3 3 dtype: float64
看完上述內容，是不是對python數據處理如何對pandas進行數據變頻或插值有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
