Python Pandas dataframe.asfreq()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.asfreq()函數用於將TimeSeries轉換為指定頻率。此函數可以選擇提供填充方法來填充/回填缺失的值。它以指定的頻率返回符合新索引的原始數據。如果需要某種操作(例如匯總)來代表新頻率的數據，則重新采樣更為合適。

用法： DataFrame.asfreq(freq, method=None, how=None, normalize=False, fill_value=None)

參數：
freq:DateOffset對象或字符串
method:重新索引係列中填充孔的方法
how:僅對於PeriodIndex，請參見PeriodIndex.asfreq
normalize:是否將輸出索引重置為午夜
fill_value:用於缺失值的值，在上采樣期間應用(請注意，這不會填充已經存在的NaN)。

返回：已轉換：調用者類型

範例1：從每周頻率到每日頻率對時間序列數據進行非采樣

# importing pandas as pd 
import pandas as pd 
  
# Creating a date_time form index  
index_values = (pd.date_range('1/1/2000', 
                   periods=3,freq='W')) 
  
# Creating a series using 'index_values' 
# Notice, one of the series value is nan value 
series = (pd.Series([0.0,None,2.0], 
              index=index_values)) 
  
# Creating dataframe using the series 
df=pd.DataFrame({"Col_1":series}) 
  
# Print the Dataframe 
df

現在將每周采樣的數據解采樣為每日采樣的數據。默認情況下，新創建的bin將具有nan值。因此，使用fill_value參數用提供的值填充所有新創建的容器。

# unsampling and providing a fill value = 9.0 
df.asfreq(freq ='D', fill_value = 9.0)

輸出：

注意：這不會填充采樣前已經存在的NaN。

範例2：將帶有時間戳的一分鍾數據解采樣到30s容器中。首先創建一個帶有5個一分鍾時間戳的序列。

# importing pandas as pd 
import pandas as pd 
  
# Creating a date_time form index  
index_values = (pd.date_range('1/1/2000', 
                     periods=5,freq='T')) 
  
# Creating a series using 'index_values' 
# Notice, one of the series value is nan value 
series = (pd.Series([0.0,1.0,None,3.0,4.0], 
                      index=index_values)) 
  
# Creating dataframe using the series 
df=pd.DataFrame({"Col_1":series}) 
  
# Print the Dataframe 
df

現在取消采樣到30秒的容器中，並提供100.0的fill_value

# unsampling and providing a fill value of 100.0 
df.asfreq(freq ='30S', fill_value = 100.0)

輸出：

注意：采樣前存在的Nan值將不被填充

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.asfreq()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。