pandas.Series.asfreq

Series.asfreq(freq, method=None, how=None, normalize=False, fill_value=None)

将时间序列转换为指定频率。

返回符合指定频率的新索引的原始数据。

如果此 Series/DataFrame 的索引是 PeriodIndex，则新索引是通过使用 PeriodIndex.asfreq 转换原始索引的结果（因此原始索引将与新索引一一对应）。

否则，新索引将等同于 pd.date_range(start, end, freq=freq)，其中 start 和 end 分别是原始索引中的最小值和最大值（请参阅 pandas.date_range()）。新索引中任何未在原始索引中出现的日期/时间点对应的值将为空（NaN），除非提供了用于填充此类未知值的方法（请参阅下面的 method 参数）。

如果需要在每个时间段组上执行操作（例如聚合）以在新频率下表示数据，则 resample() 方法更为合适。

参数:

freqDateOffset 或 str

频率 DateOffset 或字符串。

method{{‘backfill’/‘bfill’, ‘pad’/’ffill’}}, 默认 None

用于填充重新索引的 Series 中的空缺的方法（请注意，这不会填充已存在的 NaN）。

• ‘pad’ / ‘ffill’：根据索引的顺序将最后一个有效观测值向前传播到下一个有效值。

• ‘backfill’ / ‘bfill’：使用下一个有效观测值进行填充。

how{{‘start’, ‘end’}}, 默认 end

仅适用于 PeriodIndex（请参阅 PeriodIndex.asfreq）。

normalizebool，默认为 False

是否将输出索引重置为午夜。

fill_valuescalar, optional

用于缺失值的数值，在升采样时应用（请注意，这不会填充已存在的 NaN）。

返回:

Series/DataFrame

已重新索引到指定频率的 Series/DataFrame 对象。

另请参阅

reindex

使用可选的填充逻辑将 DataFrame 匹配到新索引。

注意

要了解更多关于频率字符串的信息，请参阅 此链接。

示例

首先创建一个具有 4 个一分钟时间戳的 Series。

>>> index = pd.date_range("1/1/2000", periods=4, freq="min")
>>> series = pd.Series([0.0, None, 2.0, 3.0], index=index)
>>> df = pd.DataFrame({"s": series})
>>> df
                       s
2000-01-01 00:00:00    0.0
2000-01-01 00:01:00    NaN
2000-01-01 00:02:00    2.0
2000-01-01 00:03:00    3.0

将 Series 按 30 秒的间隔升采样。

>>> df.asfreq(freq="30s")
                       s
2000-01-01 00:00:00    0.0
2000-01-01 00:00:30    NaN
2000-01-01 00:01:00    NaN
2000-01-01 00:01:30    NaN
2000-01-01 00:02:00    2.0
2000-01-01 00:02:30    NaN
2000-01-01 00:03:00    3.0

再次升采样，提供一个 fill value。

>>> df.asfreq(freq="30s", fill_value=9.0)
                       s
2000-01-01 00:00:00    0.0
2000-01-01 00:00:30    9.0
2000-01-01 00:01:00    NaN
2000-01-01 00:01:30    9.0
2000-01-01 00:02:00    2.0
2000-01-01 00:02:30    9.0
2000-01-01 00:03:00    3.0

再次升采样，提供一个 method。

>>> df.asfreq(freq="30s", method="bfill")
                       s
2000-01-01 00:00:00    0.0
2000-01-01 00:00:30    NaN
2000-01-01 00:01:00    NaN
2000-01-01 00:01:30    2.0
2000-01-01 00:02:00    2.0
2000-01-01 00:02:30    3.0
2000-01-01 00:03:00    3.0