pandas 笔记：asfreq

1 方法介绍

asfreq 是一个在 Pandas 时间序列数据分析中常用的方法。这个方法主要用于改变时间序列的频率。asfreq 可以帮助我们将一个时间序列从一个频率转换为另一个频率

2 基本用法

DataFrame.asfreq(
    freq, 
    method=None, 
    how=None, 
    normalize=False, 
    fill_value=None)

3 参数说明

freq	字符串，表示目标频率
method	用于指定如何填充缺失值 None: 不填充缺失值 'backfill'/'bfill': 使用下一个非缺失值进行填充 'pad'/'ffill': 使用前一个非缺失值进行填充
how	{'start', 'end'},默认为 'end' 于在聚合高频率数据时确定目标频率的哪一端用于标签 how='end' 表示使用 12/31，而不是 1/1
normalize	布尔值，默认为 False。如果为 True，则将开始和结束时间标准化为午夜
fill_value	用于填充在重新采样过程中引入的缺失值

4 举例

import pandas as pd

# 创建一个时间序列 DataFrame
date_rng = pd.date_range(start='1/1/2022', end='2/10/2022', freq='D')
data = {'date': date_rng, 'data': range(41)}
df = pd.DataFrame(data)
df

# 将其设置为时间索引
df.set_index('date', inplace=True)
df

 

df.asfreq('W') 

 

5 freq汇总

5.1 常规时间序列频率

• D: 日历日
• B: 工作日
• H: 小时
• T 或 min: 分钟
• S: 秒
• L 或 ms: 毫秒
• U 或 us: 微秒
• N: 纳秒

5.2 月份相关

• M: 月底日期
• BM: 月底的工作日
• MS: 月初日期
• BMS: 月初的工作日

5.3 季度相关

• Q: 季度末日期
• BQ: 季度末的工作日
• QS: 季度初日期
• BQS: 季度初的工作日

5.4 年份相关

• A 或 Y: 年底日期
• BA 或 BY: 年底的工作日
• AS 或 YS: 年初日期
• BAS 或 BYS: 年初的工作日

5.5 周相关

• W: 每周
• W-MON, W-TUE, ...: 每周，并指定开始的工作日

5.6 其他

• SM: 半月末（15号和月底）
• SMS: 半月初（1号和15号）
• BH: 工作时间内的小时

5.6 组合

还可以组合这些基本频率来创建新的频率。例如，你可以使用 "2H30T" 来表示 2小时30分钟的频率。

5.7 锚定偏移量

• WOM-1MON, WOM-2MON, ...: 每月的第1、2、...个星期一
• Q-JAN, Q-FEB, ...: 每季度，以1月、2月、...为季度末月份