python – 调整Pandas中的每月时间序列数据

2023年3月5日 363次阅读

我有像这样的pandas DataFrame.

《python – 调整Pandas中的每月时间序列数据》

如您所见,数据对应于月末数据.问题是所有列的月末日期都不相同. (根本原因是该月的最后一个交易日并不总是与月末重合.)

目前,2016年1月底有两排“2016-01-29”和“2016-01-31”.它应该只是一排.例如,2016年1月底指数A,指数B和指数C应为451.1473 1951.218 1401.093.

另一点是,尽管每行几乎总是对应于月度数据的结尾,但数据可能不够好,并且可以想象包括随机列的月中数据.在这种情况下,我不想进行任何调整,以便捕获任何先前的数据收集错误.

实现这一目标的最有效方法是什么？

编辑：

            Index A  Index B Index C
DATE                                
2015-03-31  2067.89  1535.07   229.1
2015-04-30  2085.51     1543   229.4
2015-05-29  2107.39      NaN     NaN
2015-05-31      NaN  1550.39   229.1
2015-06-30  2063.11  1534.96     229
2015-07-31  2103.84      NaN   228.8
2015-08-31  1972.18  1464.32     NaN
2015-09-30  1920.03  1416.84   227.5
2015-10-30  2079.36      NaN     NaN
2015-10-31      NaN  1448.39   227.7
2015-11-30  2080.41   1421.6   227.6
2015-12-31  2043.94  1408.33   227.5
2016-01-29  1940.24      NaN     NaN
2016-01-31      NaN  1354.66   227.5
2016-02-29  1932.23  1355.42   227.3

因此,在这种情况下,我需要在2015-05,2015-10,2016-01结束时组合行.但是,2015-07和2015-08的行根本没有数据.因此,在这种情况下,我想将2015-07和2015-08留作NaN,而我想在2015-05,2015-10,2016-01合并月末行.希望这能为我想要做的事提供更多的洞察力.

最佳答案 您可以使用：

df = df.groupby(pd.TimeGrouper('M')).fillna(method='ffill')
df = df.resample(rule='M', how='last')

创建一个新的DateTimeIndex,以月的最后一天结束,并为每个月的最后一个可用数据点进行采样. fillna()确保对于上次可用日期缺少数据的列,使用先前的可用值.

点赞