Python 如何使用fill_值对熊猫中的时间序列重新采样？

我有一个

TimeSeries

整数，我想使用

resample（）

对其进行下采样。问题是我有一些缺少数据的时段被转换为

NaN

。由于pandas不支持整数，因此将整数转换为浮点数

>>> dates = (datetime(2013, 1, 1), datetime(2013,1,2), datetime(2013,3,1))
>>> s = Series([1,2,4],index=dates)
>>> s
2013-01-01    1
2013-01-02    2
2013-03-01    4
dtype: int64
>>> s.resample('M', how='sum')
2013-01-31     3
2013-02-28   NaN
2013-03-31     4
Freq: M, dtype: float64

# Desired output (doesn't work)
>>> s.resample('M', how='sum', fill_value=0)
2013-01-31     3
2013-02-28     0
2013-03-31     4
Freq: M, dtype: int64

是否可以像使用

reindex（fill\u value=0）

一样，使用

fill\u值对缺失数据重新采样
TimeSeries
？我不希望我的整数被转换成浮点数

>>> dates = (datetime(2013, 1, 1), datetime(2013,1,2), datetime(2013,3,1))
>>> s = Series([1,2,4],index=dates)
>>> s
2013-01-01    1
2013-01-02    2
2013-03-01    4
dtype: int64
>>> s.resample('M', how='sum')
2013-01-31     3
2013-02-28   NaN
2013-03-31     4
Freq: M, dtype: float64

# Desired output (doesn't work)
>>> s.resample('M', how='sum', fill_value=0)
2013-01-31     3
2013-02-28     0
2013-03-31     4
Freq: M, dtype: int64

您可以定义自己的函数以避免
NaN

In [36]: def _sum(x):
   ....:     if len(x) == 0: return 0
   ....:     else: return sum(x)
   ....:     

In [37]: s.resample('M', how=_sum)
Out[37]: 
2013-01-31    3   
2013-02-28    0   
2013-03-31    3   
Freq: M, dtype: int64

真奇怪，你的第三个值是4（索引为2013-03-01）。@waitingkuo你说得对。修复了复制和粘贴错误。当然，但这只是将int转换为float，然后再转换回int。我不想通过将int转换为float而失去任何精度。我认为在将int转换为float时没有精度问题。在您关心转换问题的同时，我添加了另一种方法，希望它能有所帮助。我不认为这是真的：
int（float（max_int））==max_int
其中
max_int=np.iinfo（np.int64）。max
返回
False
使用pandas 0.18.0，现在有了一种更简单、更快的方法：
s.resample（'M'）.sum（）.fillna（0）