如何使用 series.asfreq() 方法转换时间序列?
pandasserver side programmingprogramming更新于 2025/5/18 9:37:17
pandas.Series.asfreq() 方法用于将时间序列转换为指定的频率。通过使用此方法的参数，我们还可以填充缺失(空)值。
它将返回一个具有重新索引频率的系列对象，该频率通过 asfreq() 方法指定。asfreq() 方法的参数为 freq、method=None、how=None、normalize=False 和 fill_value=None。除了 freq 之外，其余所有参数都有默认值。
让我们使用 pandas date_range 模块创建一个时间序列对象并应用 asfreq() 方法。
示例 1
import pandas as pd
# 创建索引
index = pd.date_range('2021-07-01', periods=10, freq='H')
# 创建带有日期索引的 pandas 系列
series = pd.Series([1,3,None,5,7,9,None,2,3,4], index=index)
print(series)
# 转换后的时间序列
print("Converted time series",series.asfreq(freq='2H'))
解释
首先，我们使用python import关键字将pandas模块导入到我们的工作区中，然后我们使用日期范围函数创建一个带有时间序列数据的索引变量，之后，我们创建了一个带有时间序列的pandas系列对象。
输出
2021-07-01 00:00:00 1.0 2021-07-01 01:00:00 3.0 2021-07-01 02:00:00 NaN 2021-07-01 03:00:00 5.0 2021-07-01 04:00:00 7.0 2021-07-01 05:00:00 9.0 2021-07-01 06:00:00 NaN 2021-07-01 07:00:00 2.0 2021-07-01 08:00:00 3.0 2021-07-01 09:00:00 4.0 Freq: H, dtype: float64 Converted time series 2021-07-01 00:00:00 1.0 2021-07-01 02:00:00 NaN 2021-07-01 04:00:00 7.0 2021-07-01 06:00:00 NaN 2021-07-01 08:00:00 3.0 Freq: 2H, dtype: float64
初始时间序列由 10 个周期组成，频率为小时。显示在上述输出块的第一部分。
转换后的时间序列对象也显示在上面的输出块中，其中频率转换为 2 小时。并且生成的系列中只有 5 个元素。
示例 2
import pandas as pd
# 创建索引
index = pd.date_range('2021-06-30', periods=10, freq='M')
# 创建带有日期索引的 pandas 系列
series = pd.Series(index.month_name(), index=index)
print(series)
# 转换后的时间系列
print("Converted time series",series.asfreq(freq='Q'))
解释
在上面的例子中，我们使用 Date_range 方法创建了一个 pandas 系列，其频率为 10 个月。此后，我们将系列对象的频率改为每季度。
输出
2021-06-30 June 2021-07-31 July 2021-08-31 August 2021-09-30 September 2021-10-31 October 2021-11-30 November 2021-12-31 December 2022-01-31 January 2022-02-28 February 2022-03-31 March Freq: M, dtype: object Converted time series 2021-06-30 June 2021-09-30 September 2021-12-31 December 2022-03-31 March Freq: Q-DEC, dtype: object
在上面的输出块中，我们可以看到初始时间序列对象和转换后的时间序列对象。通过将"Q"值提供给 asfreq 方法的"freq"参数，转换后的时间序列将更新为季度频率。
