每周更新一次的pandas

一尘不染

每周更新一次的pandas

python

我每周有一些设备的日志数据。对于某些设备，它从星期一开始，对于某些设备，它在星期三开始，等等。有时此数据中有〜月的间隔，但是我希望DataFrame索引仍然包含每周具有NaN值的行。

我正在尝试asfreq('W')在Python中使用，但是我无法获得期望的结果。

例：

是）我有的：

Date            Some_Value
====            ==========
2019-04-10      2
2019-04-17      1
2019-04-24      3
2019-05-01      1
2019-05-08      3
2019-05-15      2
2019-06-06      3
2019-06-13      2

我期望/想要的（请注意带有NaN的2个新行）：

Date            Some_Value
====            ==========
2019-04-10      2
2019-04-17      1
2019-04-24      3
2019-05-01      1
2019-05-08      3
2019-05-15      2
2019-05-22      NaN
2019-05-30      NaN
2019-06-06      3
2019-06-13      2

我得到的是asfreq('W')：

Date            Some_Value
====            ==========
2019-03-31      NaN
2019-04-07      NaN
2019-04-14      NaN
...................

因此，我获得NaN了每个星期日的所有值和日期。但是我不需要每个星期天的日期。我需要获取DataFrame的第一个日期（groupby在很多时间序列的情况下，是大熊猫组中第一行的日期），并每周从该第一行重新采样。

用熊猫直接可以实现asfreq吗？用其他的熊猫方法吗？还是应该使用一些更复杂的自定义功能？

谢谢。

阅读 175

2021-01-20

共1个答案

一尘不染

问题在于您的数据是星期三的第一个值，星期四的最后两个，所以asfreq返回NaNs，因为尝试将其更改为Sunday weekday freq-
docs：

W-SUN每周频率（星期日）。与 “ W”* 相同 *

一种可能的解决方案，但DatetimeIndex周日更改：

print (df.resample('W').first())
            Some_Value
Date                  
2019-04-14         2.0
2019-04-21         1.0
2019-04-28         3.0
2019-05-05         1.0
2019-05-12         3.0
2019-05-19         2.0
2019-05-26         NaN
2019-06-02         NaN
2019-06-09         3.0
2019-06-16         2.0

如果改变频率asfreq：

print (df.asfreq('W-Wed'))
            Some_Value
Date                  
2019-04-10         2.0
2019-04-17         1.0
2019-04-24         3.0
2019-05-01         1.0
2019-05-08         3.0
2019-05-15         2.0
2019-05-22         NaN
2019-05-29         NaN
2019-06-05         NaN
2019-06-12         NaN

print (df.asfreq('W-Thu'))
            Some_Value
Date                  
2019-04-11         NaN
2019-04-18         NaN
2019-04-25         NaN
2019-05-02         NaN
2019-05-09         NaN
2019-05-16         NaN
2019-05-23         NaN
2019-05-30         NaN
2019-06-06         3.0
2019-06-13         2.0

2021-01-20