pandas resample interpolate 正在产生 NaN答案

【问题标题】：pandas resample interpolate is producing NaNspandas resample interpolate 正在产生 NaN
【发布时间】：2018-04-19 07:04:42
【问题描述】：

修改自this example:

import io
import pandas as pd
import matplotlib.pyplot as plt

data = io.StringIO('''\
Values
1992-08-27 07:46:48,1
1992-08-27 08:00:48,2
1992-08-27 08:33:48,4
1992-08-27 08:43:48,3
1992-08-27 08:48:48,1
1992-08-27 08:51:48,5
1992-08-27 08:53:48,4
1992-08-27 08:56:48,2
1992-08-27 09:03:48,1
''')
s = pd.read_csv(data, squeeze=True)
s.index = pd.to_datetime(s.index)

res = s.resample('4s').interpolate('linear')
print(res)
plt.plot(res, '.-')
plt.plot(s, 'o')
plt.grid(True)

它按预期工作：

1992-08-27 07:46:48    1.000000
1992-08-27 07:46:52    1.004762
1992-08-27 07:46:56    1.009524
1992-08-27 07:47:00    1.014286
1992-08-27 07:47:04    1.019048
1992-08-27 07:47:08    1.023810
1992-08-27 07:47:12    1.028571
....

但如果我将重采样更改为 '5s'，它只会产生 NaN：

1992-08-27 07:46:45   NaN
1992-08-27 07:46:50   NaN
1992-08-27 07:46:55   NaN
1992-08-27 07:47:00   NaN
1992-08-27 07:47:05   NaN
1992-08-27 07:47:10   NaN
1992-08-27 07:47:15   NaN
....

为什么？

【问题讨论】：

刚刚遇到这个问题here - 如果resample 给您留下一些数据（不是所有的NaN），它会变得更加混乱。

标签： python pandas interpolation

【解决方案1】：

选项 1
那是因为'4s' 与您现有的索引完美对齐。当您resample 时，您会从旧系列中获得表示并能够进行插值。您要做的是创建一个索引，该索引是旧索引与新索引的联合。然后使用新索引进行插值和重新索引。

oidx = s.index
nidx = pd.date_range(oidx.min(), oidx.max(), freq='5s')
res = s.reindex(oidx.union(nidx)).interpolate('index').reindex(nidx)
res.plot(style='.-')
s.plot(style='o')

选项 2A
如果您愿意放弃准确性，可以ffill 限制为1

res = s.resample('5s').ffill(limit=1).interpolate()
res.plot(style='.-')
s.plot(style='o')

选项 2B
与bfill 相同

res = s.resample('5s').bfill(limit=1).interpolate()
res.plot(style='.-')
s.plot(style='o')

选项 3
中等复杂度和准确性

nidx = pd.date_range(oidx.min(), oidx.max(), freq='5s')
res = s.reindex(nidx, method='nearest', limit=1).interpolate()
res.plot(style='.-')
s.plot(style='o')

【讨论】：

真的有那么复杂吗？最终我想在之后再次对其进行下采样，但我不能只对原始非均匀采样的数据进行下采样，否则它不会计算样本之间的信号
我看不到用当前的 api 更简洁地做到这一点的方法。我可能是错的，但这是我能做的最好的。
@endolith 但是，我添加了一些您可能喜欢的选项。
@JamesAdams 很高兴它帮助了你
哇，这太有帮助了。寻找这样的东西很久了。谢谢

【解决方案2】：

对我来说，我必须添加 astype() 才能使其工作，否则它会产生 Nan 值：

oidx = s.index
nidx = pd.date_range(oidx.min(), oidx.max(), freq='2min')
res=s.reindex(oidx.union(nidx)).astype(float).interpolate('index').reindex(nidx)

【讨论】：