利用 Python 进行数据分析：原书第 3 版

时间序列

|

365

当你对这个数据使用聚合函数时，每组只有一个值，这样就会在间隙导入缺失值。我们

使用 asfreq 方法将其转换为高频率数据，不需要做聚合操作：

假设你想用前面的每周数值来填充非星期三的日期。fillna 和 reindex 方法中可用的填

充和插值方法也可以用于重采样：

同样，这里也可以只填充指定的周期数，以限制观测值的持续范围：

注意，新的日期索引不必与旧的索引重叠：

366

|

第

11

章

11.6.3

使用周期进行重采样

对使用周期作为索引的数据进行重采样，与时间戳的情况类似：

升采样要稍微麻烦一些，在重采样之前，你必须决定在新频率时间段的哪一端放置数

值。参数 convention 默认为 "start"，也可设置为 "end"：

# Q-DEC：每季度，年末为 12 月

由于周期指的是时间段，因此升采样和降采样的规则比较严格：

时间序列

|

367

·

在降采样中，目标频率必须是频率源的子周期。

·

在升采样中，目标频率必须是频率源的父周期。

如果不满足这些条件，就会引发异常。这主要会影响季度 ...