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,2,4,3],
"C":[4,3,8,5],
"D":[5,4,2,None]})
df
输出
image.png
分别使用前一行/前一列数据填充后面的Nan
df.ffill(axis = 0)
image.png
df.ffill(axis = 1)
image.png
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
import pandas as pd
df = pd.DataFrame({"A":[None, 1, 2, 3, None, None],
"B":[11, 5, None, None, None, 8],
"C":[None, 5, 10, 11, None, 8]})
df
image.png
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
image.png
df.bfill(axis ='columns')
#df.bfill(axis =1) 等价
image.png
按照要求resample数据
现有数据点击下载apple.csv
使用pandas打开csv文件，并把date列转为日期索引
import pandas as pd
df = pd.read_csv("apple.csv", parse_dates =["date"], index_col ="date")
#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]
image.png
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
image.png
要求按周统计苹果股票的open价格的平均值
解决方法如下：
weekly_resampled_data = df.open.resample('W').mean()
weekly_resampled_data[:10]
image.png
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.resample('Q').mean()
Quarterly_resampled_data
image.png
按天resample数据，并填充空值与Nan值
现有Series序列如下:
ser = pd.Series([1,10,3, np.nan], index=pd.to_datetime(['2000-01-01', '2000-01-03', '2000-01-06', '2000-01-08']))
ser
image.png
要求，重新按照天来resample，并填充控制与Nan值，产生如下输出
image.png
解决方法如下：
ser.resample('D').ffill().ffill()