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()