如何使用 fill_value 对 Pandas 中的 TimeSeries 重新采样？

Posted 2023-03-12

【中文标题】如何使用 fill_value 对 Pandas 中的 TimeSeries 重新采样？

【英文标题】：How to resample a TimeSeries in pandas with a fill_value?

【发布时间】：2013-05-24 08:32:51

【问题描述】：

我有一个整数 TimeSeries，我想使用 resample() 对其进行下采样。问题是我有一些缺失数据的时期被转换为NaN。由于 pandas 不支持Integer NA values，因此整数被转换为浮点数。

是否可以像使用reindex(fill_value=0) 一样使用fill_value 对缺失数据重新采样TimeSeries？我不希望我的整数转换成浮点数。

>>> dates = (datetime(2013, 1, 1), datetime(2013,1,2), datetime(2013,3,1))
>>> s = Series([1,2,4],index=dates)
>>> s
2013-01-01    1
2013-01-02    2
2013-03-01    4
dtype: int64
>>> s.resample('M', how='sum')
2013-01-31     3
2013-02-28   NaN
2013-03-31     4
Freq: M, dtype: float64

# Desired output (doesn't work)
>>> s.resample('M', how='sum', fill_value=0)
2013-01-31     3
2013-02-28     0
2013-03-31     4
Freq: M, dtype: int64

【问题讨论】：

奇怪的是你的第三个值是 4（索引为 2013-03-01 的那个）。

@waitingkuo 你是对的。修正了复制和粘贴的错字。

【参考方案1】：

你可以定义自己的函数来避免NaN

In [36]: def _sum(x):
   ....:     if len(x) == 0: return 0
   ....:     else: return sum(x)
   ....:     

In [37]: s.resample('M', how=_sum)
Out[37]: 
2013-01-31    3   
2013-02-28    0   
2013-03-31    3   
Freq: M, dtype: int64

【讨论】：

当然，但这只是从 int 转换为 float，然后再转换为 int。我不想通过将整数转换为浮点数来降低任何精度。

我认为将 int 转换为 float 时没有精度问题。

当您关注演员阵容时，我添加了另一种方法，希望对您有所帮助。

我认为这不是真的：int(float(max_int)) == max_int 其中max_int = np.iinfo(np.int64).max 返回False

使用 pandas 0.18.0，现在有一种更简单、更快捷的方法：s.resample('M').sum().fillna(0)