Pandas 熊猫重新索引填写缺失的日期
我有一个带有日期索引的数据框。每个数据都是本月的第一个数据。我想在每日级别上填写索引中所有缺失的日期 我想这应该行得通:Pandas 熊猫重新索引填写缺失的日期,pandas,reindex,Pandas,Reindex,我有一个带有日期索引的数据框。每个数据都是本月的第一个数据。我想在每日级别上填写索引中所有缺失的日期 我想这应该行得通: daily=pd.date_range('2016-01-01', '2018-01-01', freq='D') df=df.reindex(daily) 但是它返回的NA行中应该有数据(月1日),有人能看到这个问题吗?使用参数method='ffill'或ffill来获得更一般的解决方案,因为不必按日期范围创建新索引: df = pd.DataFrame({'a': r
daily=pd.date_range('2016-01-01', '2018-01-01', freq='D')
df=df.reindex(daily)
但是它返回的NA
行中应该有数据(月1日),有人能看到这个问题吗?使用参数method='ffill'
或ffill
来获得更一般的解决方案,因为不必按日期范围创建新索引:
df = pd.DataFrame({'a': range(13)},
index=pd.date_range('2016-01-01', '2017-01-01', freq='MS'))
print (df)
a
2016-01-01 0
2016-02-01 1
2016-03-01 2
2016-04-01 3
2016-05-01 4
2016-06-01 5
2016-07-01 6
2016-08-01 7
2016-09-01 8
2016-10-01 9
2016-11-01 10
2016-12-01 11
2017-01-01 12
daily=pd.date_range('2016-01-01', '2018-01-01', freq='D')
df1 = df.reindex(daily, method='ffill')
另一个解决方案:
df1 = df.resample('D').ffill()
使用参数method='ffill'
或ffill
可获得更一般的解决方案,因为无需按日期范围创建新索引:
df = pd.DataFrame({'a': range(13)},
index=pd.date_range('2016-01-01', '2017-01-01', freq='MS'))
print (df)
a
2016-01-01 0
2016-02-01 1
2016-03-01 2
2016-04-01 3
2016-05-01 4
2016-06-01 5
2016-07-01 6
2016-08-01 7
2016-09-01 8
2016-10-01 9
2016-11-01 10
2016-12-01 11
2017-01-01 12
daily=pd.date_range('2016-01-01', '2018-01-01', freq='D')
df1 = df.reindex(daily, method='ffill')
另一个解决方案:
df1 = df.resample('D').ffill()