【Pandas】pandas Series asof

Pandas2.2 Series

Time Series-related

方法	描述
Series.asfreq(freq[, method, how, …])	用于将时间序列数据转换为指定的频率
Series.asof(where[, subset])	用于返回时间序列中指定索引位置的最近一个非缺失值

pandas.Series.asof

pandas.Series.asof 方法用于返回时间序列中指定索引位置的最近一个非缺失值。它特别适用于处理不规则时间间隔的数据，可以找到在给定时间点之前最近的有效（非缺失）观测值。

详细描述

参数:
- where: 类似数组或标量，表示要查询的时间点或时间点列表。
- subset: 可选，默认为 None。如果提供，则只考虑这些列中的非缺失值来确定最近的有效行。

返回值

返回一个新的 Series 或标量值，具体取决于 where 参数：
- 如果 where 是标量，则返回标量值。
- 如果 where 是数组，则返回与 where 形状相同的 Series。

示例代码及结果

import pandas as pd
import numpy as np# 创建一个带有日期索引的时间序列，包含一些缺失值
dates = pd.to_datetime(['2023-10-01', '2023-10-03', '2023-10-05', '2023-10-07', '2023-10-09'])
s = pd.Series([1, 2, np.nan, 4, 5], index=dates)print("原始 Series:")
print(s)# 查询特定时间点的最近非缺失值
query_date_1 = pd.Timestamp('2023-10-04')
result_1 = s.asof(query_date_1)print("\n查询 2023-10-04 的最近非缺失值:")
print(result_1)# 查询多个时间点的最近非缺失值
query_dates = pd.to_datetime(['2023-10-02', '2023-10-06', '2023-10-10'])
result_2 = s.asof(query_dates)print("\n查询多个时间点的最近非缺失值:")
print(result_2)

输出结果

原始 Series:
2023-10-01    1
2023-10-03    2
2023-10-05    3
2023-10-07    4
2023-10-09    5
Freq: 2D, dtype: int64转换为每日频率并前向填充后的 Series:
2023-10-01    1
2023-10-02    1
2023-10-03    2
2023-10-04    2
2023-10-05    3
2023-10-06    3
2023-10-07    4
2023-10-08    4
2023-10-09    5
Freq: D, dtype: int64

结果解释

在示例中，原始 Series 包含一些缺失值 (NaN)。
使用 asof 方法查询特定时间点（如 2023-10-04）时，它会返回该时间点之前最近的非缺失值，即 2.0。
对于多个时间点的查询，asof 方法返回每个时间点之前最近的非缺失值：
- 2023-10-02 之前最近的非缺失值是 1.0。
- 2023-10-06 之前最近的非缺失值是 2.0。
- 2023-10-10 之前最近的非缺失值是 5.0。