Python 通过正向填充稀疏序列来创建新的熊猫系列

我有一个稀疏的熊猫系列。为了便于说明，让我们创建一个模拟系列ts2

import pandas as pd
idx2 = pd.date_range('2016-01-29', '2016-02-27', freq='W')
ts2 = pd.Series(data=[11, 9, 13, 4], index=idx2)

看起来像

2016-01-31    11
2016-02-07     9
2016-02-14    13
2016-02-21     4

我想使用ts2创建（通过正向填充）一个具有不同时间范围的新系列，例如

idx1 = pd.date_range('2016-02-01', '2016-02-28', freq='D')

新的时间序列应该如下所示

2016-02-01    11
2016-02-02    11
2016-02-03    11
2016-02-04    11
2016-02-05    11
2016-02-06    11
2016-02-07    9
2016-02-08    9
...
2016-02-08    4

这样做的好方法是什么？请注意，idx1和idx2的日期不匹配。因此，要在idx1中填充2016-02-01，您必须在ts2中查找2016-01-31值

编辑：我应该提到，idx1可能不是每天都有，但可能是一些日期的集合，如工作日减去挪威的公共假日或其他什么。

EDIT:idx1是否有特殊的缺失日期或假日 将

reindex

与

method='ffill'

一起使用：

 ts2.reindex(idx1, method='ffill')

输出：

2016-02-01    11
2016-02-02    11
2016-02-03    11
2016-02-04    11
2016-02-05    11
2016-02-06    11
2016-02-07     9
2016-02-08     9
2016-02-09     9
2016-02-10     9
2016-02-11     9
2016-02-12     9
2016-02-13     9
2016-02-14    13
2016-02-15    13
2016-02-16    13
2016-02-17    13
2016-02-18    13
2016-02-19    13
2016-02-20    13
2016-02-21     4
2016-02-22     4
2016-02-23     4
2016-02-24     4
2016-02-25     4
2016-02-26     4
2016-02-27     4
2016-02-28     4
Freq: D, dtype: int64

2016-01-31    11
2016-02-01    11
2016-02-02    11
2016-02-03    11
2016-02-04    11
2016-02-05    11
2016-02-06    11
2016-02-07     9
2016-02-08     9
2016-02-09     9
2016-02-10     9
2016-02-11     9
2016-02-12     9
2016-02-13     9
2016-02-14    13
2016-02-15    13
2016-02-16    13
2016-02-17    13
2016-02-18    13
2016-02-19    13
2016-02-20    13
2016-02-21     4
Freq: D, dtype: int64

或者如果idx1只是一个每日增量。 使用

重采样

和

ffill

：

 ts2.resample('D').ffill()

输出：

2016-02-01    11
2016-02-02    11
2016-02-03    11
2016-02-04    11
2016-02-05    11
2016-02-06    11
2016-02-07     9
2016-02-08     9
2016-02-09     9
2016-02-10     9
2016-02-11     9
2016-02-12     9
2016-02-13     9
2016-02-14    13
2016-02-15    13
2016-02-16    13
2016-02-17    13
2016-02-18    13
2016-02-19    13
2016-02-20    13
2016-02-21     4
2016-02-22     4
2016-02-23     4
2016-02-24     4
2016-02-25     4
2016-02-26     4
2016-02-27     4
2016-02-28     4
Freq: D, dtype: int64

2016-01-31    11
2016-02-01    11
2016-02-02    11
2016-02-03    11
2016-02-04    11
2016-02-05    11
2016-02-06    11
2016-02-07     9
2016-02-08     9
2016-02-09     9
2016-02-10     9
2016-02-11     9
2016-02-12     9
2016-02-13     9
2016-02-14    13
2016-02-15    13
2016-02-16    13
2016-02-17    13
2016-02-18    13
2016-02-19    13
2016-02-20    13
2016-02-21     4
Freq: D, dtype: int64

编辑：如果idx1有特殊缺失的天数或假日 将

reindex

与

method='ffill'

一起使用：

 ts2.reindex(idx1, method='ffill')

输出：

2016-02-01    11
2016-02-02    11
2016-02-03    11
2016-02-04    11
2016-02-05    11
2016-02-06    11
2016-02-07     9
2016-02-08     9
2016-02-09     9
2016-02-10     9
2016-02-11     9
2016-02-12     9
2016-02-13     9
2016-02-14    13
2016-02-15    13
2016-02-16    13
2016-02-17    13
2016-02-18    13
2016-02-19    13
2016-02-20    13
2016-02-21     4
2016-02-22     4
2016-02-23     4
2016-02-24     4
2016-02-25     4
2016-02-26     4
2016-02-27     4
2016-02-28     4
Freq: D, dtype: int64

2016-01-31    11
2016-02-01    11
2016-02-02    11
2016-02-03    11
2016-02-04    11
2016-02-05    11
2016-02-06    11
2016-02-07     9
2016-02-08     9
2016-02-09     9
2016-02-10     9
2016-02-11     9
2016-02-12     9
2016-02-13     9
2016-02-14    13
2016-02-15    13
2016-02-16    13
2016-02-17    13
2016-02-18    13
2016-02-19    13
2016-02-20    13
2016-02-21     4
Freq: D, dtype: int64

或者如果idx1只是一个每日增量。 使用

重采样

和

ffill

：

 ts2.resample('D').ffill()

输出：

2016-02-01    11
2016-02-02    11
2016-02-03    11
2016-02-04    11
2016-02-05    11
2016-02-06    11
2016-02-07     9
2016-02-08     9
2016-02-09     9
2016-02-10     9
2016-02-11     9
2016-02-12     9
2016-02-13     9
2016-02-14    13
2016-02-15    13
2016-02-16    13
2016-02-17    13
2016-02-18    13
2016-02-19    13
2016-02-20    13
2016-02-21     4
2016-02-22     4
2016-02-23     4
2016-02-24     4
2016-02-25     4
2016-02-26     4
2016-02-27     4
2016-02-28     4
Freq: D, dtype: int64

2016-01-31    11
2016-02-01    11
2016-02-02    11
2016-02-03    11
2016-02-04    11
2016-02-05    11
2016-02-06    11
2016-02-07     9
2016-02-08     9
2016-02-09     9
2016-02-10     9
2016-02-11     9
2016-02-12     9
2016-02-13     9
2016-02-14    13
2016-02-15    13
2016-02-16    13
2016-02-17    13
2016-02-18    13
2016-02-19    13
2016-02-20    13
2016-02-21     4
Freq: D, dtype: int64

---

谢谢，但它没有与idx1相同的索引。好的，在上面的例子中，它是每日的，但idx1只能是工作日，公共假日除外。@Spinor8请参阅编辑，如果idx使用方法'ffill'。我认为问题是，

idx1

不包含来自

ts2.index

的min（）日期，因此无法向前填充该值。这可能是我理解错了。谢谢，但这和idx1没有相同的索引。好的，在上面的例子中，它是每日的，但idx1只能是工作日，公共假日除外。@Spinor8请参阅编辑，如果idx使用方法'ffill'。我认为问题是，

idx1

不包含来自

ts2.index

的min（）日期，因此无法向前填充该值。可能我解释错了。你能编辑idx1以引用ts2索引中的min（）值吗？或者有什么东西禁止这样做？通常idx1不是每日的。您可以编辑idx1以引用ts2索引中的min（）值吗？还是有什么东西禁止这样做？一般来说，idx1不是每天都有。