Python 对于在整个时间间隔内有效的数据，我应该使用什么表示法？

我有一系列的小时价格。每个价格在整个1小时内有效用熊猫来表示这些价格的最佳方式是什么，使我能够以任意更高的频率（如分钟或秒）对它们进行索引，并对它们进行算术运算？

数据细节 样品价格可能是：

>>> prices = Series(randn(5), pd.date_range('2013-01-01 12:00', periods = 5, freq='H'))
>>> prices
2013-01-01 12:00:00   -1.001692
2013-01-01 13:00:00   -1.408082
2013-01-01 14:00:00   -0.329637
2013-01-01 15:00:00    1.005882
2013-01-01 16:00:00    1.202557
Freq: H

现在，如果我想要13:37:42处的值（我希望它与13:00处的值相同），那么使用什么表示法

但是时间跨度系列没有提供我所期望的

系列

的其他一些功能。假设我有另一个系列

金额

，说明我在某一时刻购买了多少物品。如果我想计算价格，我想乘以两个系列的

>>> amounts = Series([1,2,2], pd.DatetimeIndex(['2013-01-01 13:37', '2013-01-01 13:57', '2013-01-01 14:05']))
>>> amounts*price_periods

但这会产生一个例外，有时甚至会冻结我的IPy笔记本。索引也没有帮助

>>> ts_periods[amounts.index]

PeriodIndex

结构是否仍在进行中，或者这些功能将不会被添加？是否有其他我应该使用的结构（或者现在应该使用，在

PeriodIndex

成熟之前）？我正在使用Pandas版本

0.9.0.dev-1e68fd9

检查

返回上一个可用日期时间的值：

prices['2013-01-01 13:00:00']

要进行计算，可以使用：

prices.asof(amounts.index) * amounts

它返回一个包含金额索引和相应值的序列：

>>> prices
2013-01-01 12:00:00    0.943607
2013-01-01 13:00:00   -1.019452
2013-01-01 14:00:00   -0.279136
2013-01-01 15:00:00    1.013548
2013-01-01 16:00:00    0.929920

>>> prices.asof(amounts.index)
2013-01-01 13:37:00   -1.019452
2013-01-01 13:57:00   -1.019452
2013-01-01 14:05:00   -0.279136

>>> prices.asof(amounts.index) * amounts
2013-01-01 13:37:00   -1.019452
2013-01-01 13:57:00   -2.038904
2013-01-01 14:05:00   -0.558272

---

这解决了我遇到的第一个问题（与

PeriodIndex

相同），但我是否可以用它对序列进行算术运算？如果没有for循环，我不知道如何实现

amounts*prices

，这不是熊猫的方式。谢谢。的确，它很管用，不过对我的口味来说有点不对劲。让我们看看是否会有其他的意见。只是一个评论：如果有官方的0.10.0，为什么要使用0.9.0.dev？注意。我没有注意到有更新的版本。几个月前，我通过SciPySuperpack安装了熊猫。我现在升级到了0.10.0，但现在即使在

价格周期['2013-01-01 13:37:42']

的情况下，我也遇到了一个关键错误。

prices['2013-01-01 13:00:00']

prices.asof(amounts.index) * amounts

>>> prices
2013-01-01 12:00:00    0.943607
2013-01-01 13:00:00   -1.019452
2013-01-01 14:00:00   -0.279136
2013-01-01 15:00:00    1.013548
2013-01-01 16:00:00    0.929920

>>> prices.asof(amounts.index)
2013-01-01 13:37:00   -1.019452
2013-01-01 13:57:00   -1.019452
2013-01-01 14:05:00   -0.279136

>>> prices.asof(amounts.index) * amounts
2013-01-01 13:37:00   -1.019452
2013-01-01 13:57:00   -2.038904
2013-01-01 14:05:00   -0.558272