pandas 面试题挑战七

按照指定要求前向填充元素(ffill forward fill)

构建数据如下：

import pandas as pd 
  

df=pd.DataFrame({"A":[5,3,None,4],B":[None,2,4,3C":[4,8,5D,None]}) 
  

df 

输出

 

 

 分别使用前一行/前一列数据填充后面的Nan

df.ffill(axis = 0) 

 

 

 

df.ffill(axis = 1)

按照指定要求后向填充元素(bfill backward fill)

构建数据如下：

# importing pandas as pd 
 pandas as pd 
  

  
df = pd.DataFrame({":[11,5,8]}) 
  

df 

 

 

 分别使用后一行/后一列数据填充前面的Nan

df.bfill(axis ='rows') 
df.bfill(axis =0)  等价

df.bfill(axis =columnsdf.bfill(axis =1)  等价

 

按照要求resample数据

 pandas as pd 
df = pd.read_csv(apple.csv",parse_dates =[date"],index_col ="parse_dates：boolean or list of ints or names or list of lists or dict,default False. 这个参数指定对CSV文件中日期序列的处理方式：
#默认为False，原样加载，不解析日期时间，可以为True，尝试解析日期索引，可以为数字或 names 的列表，解析指定的列为时间序列，可以为以列表为元素的列表，解析每个子列表中的字段组合为时间序列，可以为值为列表的字典，解析每个列表中的字段组合为时间序列，并命名为字典中对应的键值； Printing the first 10 rows of dataframe 
df[:10] 

 

 

 要求按月统计苹果股票的close价格的平均值
解决方法如下：

monthly_resampled_data = df.close.resample(M').mean()
monthly_resampled_data

 

 要求按季度统计苹果股票的open价格的平均值
解决方法如下：

Quarterly_resampled_data = df.open.Q).mean() 
Quarterly_resampled_data 

按天resample数据，并填充空值与Nan值

现有Series序列如下:

ser = pd.Series([1,np.nan],index=pd.to_datetime([2000-01-01',2000-01-032000-01-062000-01-08]))
ser

 

 要求，重新按照天来resample，并填充控制与Nan值，产生如下输出

 

 解决方法如下：

ser.resample(').ffill().ffill()