我认为最好用示例来说明这一点。假设我们有一个这样的 DataFrame:
295340 299616
2014-11-02 304.904110 157.123288
2014-12-02 597.303413 305.488493
2015-01-02 896.310372 454.614630
2015-02-02 1192.379580 599.588466
2015-02-04 1211.285484 NaN
2015-03-02 NaN 726.622932
现在假设我想重新索引它,像这样:
rng = pd.date_range(df.index[0], df.index[-1])
df.reindex(rng)
295340 299616
2014-11-02 304.904110 157.123288
2014-11-03 NaN NaN
2014-11-04 NaN NaN
2014-11-05 NaN NaN
...
2014-11-29 NaN NaN
2014-11-30 NaN NaN
2014-12-01 NaN NaN
2014-12-02 597.303413 305.488493
现在,如果我们查看 295340,我们会发现它们的值之差为 (597.30-304.90) = 292.39。
两个值之间的天数是 31。所以平均每天增加 9.43。
所以我想要的是这样的:
295340 299616
2014-11-02 304.904110 157.123288
2014-11-03 314.336345 NaN
2014-11-04 323.768581 NaN
2014-11-05 333.200816 NaN
我的计算方式是:
304.904110 + (((597.303413-304.904110) / 31) * N)
对于第 1 行之后的第一行、之后的第 2 行等,N 为 1
我显然希望所有列都以这种方式填充,所以 299616 使用相同的方法等等。
关于尽可能高效的事情有什么想法吗?我知道这样做的方法,但似乎没有什么有效的方法,似乎应该有某种类型的 fillna() 或适用于此类财务相关问题的方法。
注意:各列的间距不会完全相同。每一个都可以在日期范围内的任何位置有数字,所以我不能假设每一列的下一个数字将在 X 日期。
请您参考如下方法:
您可以使用 DataFrame.interpolate在 resample 之后使用 "time" 方法。 (它不会给出你给出的数字,因为从 11 月 2 日到 12 月 2 日只有 30 天,而不是 31 天):
>>> dnew = df.resample("1d").interpolate("time")
>>> dnew.head(100)
295340 299616
2014-11-02 304.904110 157.123288
2014-11-03 314.650753 162.068795
[...]
2014-11-28 558.316839 285.706466
2014-11-29 568.063483 290.651972
2014-11-30 577.810126 295.597479
2014-12-01 587.556770 300.542986
2014-12-02 597.303413 305.488493
2014-12-03 606.948799 310.299014
[...]
2014-12-30 867.374215 440.183068
2014-12-31 877.019600 444.993589
2015-01-01 886.664986 449.804109
2015-01-02 896.310372 454.614630
[...]
2015-02-01 1182.828960 594.911891
2015-02-02 1192.379580 599.588466
[...]
这里的缺点是它会使用末尾的最后一个值进行推断:
[...]
2015-01-31 1173.278341 590.235315
2015-02-01 1182.828960 594.911891
2015-02-02 1192.379580 599.588466
2015-02-03 1201.832532 604.125411
2015-02-04 1211.285484 608.662356
2015-02-05 1211.285484 613.199302
2015-02-06 1211.285484 617.736247
[...]
因此您必须决定要如何处理它。
