Pandas 有效地重新索引和插值时间序列（重新索引会删除数据）

Question

假设我希望使用线性插值将时间序列重新索引到预定义的索引，其中新旧索引之间不共享任何索引值。例如

# index is all precise timestamps e.g. 2018-10-08 05:23:07
series = pandas.Series(data,index) 

# I want rounded date-times
desired_index = pandas.date_range("2010-10-08",periods=10,freq="30min") 

教程/API 建议执行此操作的方法是

reindex

，然后使用

interpolate

填充 NaN 值。但是，由于新旧索引之间的日期时间没有重叠，因此重新索引会输出所有 NaN：

# The following outputs all NaN as no date times match old to new index
series.reindex(desired_index)

我不想在

reindex

期间填充最接近的值，因为这会失去精度，所以我想出了以下方法；在插值之前将重新索引的序列与原始序列连接起来：

pandas.concat([series,series.reindex(desired_index)]).sort_index().interpolate(method="linear")

这似乎非常低效，连接然后对两个系列进行排序。有更好的办法吗？

Answer 1

我能看到的唯一（简单）方法是使用 resample 上采样到您的时间分辨率（例如 1 秒），然后重新索引。

获取示例 DataFrame：

import numpy as np
import pandas as pd

np.random.seed(2)

df = (pd.DataFrame()
 .assign(SampleTime=pd.date_range(start='2018-10-01', end='2018-10-08', freq='30T')
                    + pd.to_timedelta(np.random.randint(-5, 5, size=337), unit='s'),
         Value=np.random.randn(337)
         )
 .set_index(['SampleTime'])
)

让我们看看数据是什么样的：

df.head()

                        Value
SampleTime
2018-10-01 00:00:03     0.033171
2018-10-01 00:30:03     0.481966
2018-10-01 01:00:01     -0.495496

获取所需索引：

desired_index = pd.date_range('2018-10-01', periods=10, freq='30T')

现在，使用所需索引和现有索引的并集重新索引数据，根据时间进行插值，然后仅使用所需索引再次重新索引：

(df
 .reindex(df.index.union(desired_index))
 .interpolate(method='time')
 .reindex(desired_index)
)

                        Value
2018-10-01 00:00:00     NaN
2018-10-01 00:30:00     0.481218
2018-10-01 01:00:00     -0.494952
2018-10-01 01:30:00     -0.103270

如您所见，第一个时间戳仍然存在问题，因为它超出了原始索引的范围；有很多方法可以解决这个问题（例如，

pad

）。

Answer 2

我的方法

    frequency = nyse_trading_dates.rename_axis([None]).index
    
    df = prices.rename_axis([None]).reindex(frequency)

    for d in prices.rename_axis([None]).index:
        df.loc[d] = prices.loc[d]
        
    df.interpolate(method='linear')
    

方法2

    prices = data.loc[~data.index.duplicated(keep='last')]        
    #prices = data.reset_index()

    idx1 = prices.index  
    idx1 = pd.to_datetime(idx1, errors='coerce')

    merged = idx1.union(idx2)
    s = prices.reindex(merged)
    df = s.interpolate(method='linear').dropna(axis=0, how='any')

    data=df

Answer 3

我用的是组合索引。第一步是声明所需的索引。 然后，将其与现有索引结合起来。 现在重新索引到组合索引并使用插值、ffill 或任何其他函数填充 NaN。 然后再次重新索引到新索引。

# Create a new time series with minute frequency
new_index = pd.date_range(temperature_data.index.min(), temperature_data.index.max(), freq='min')

#Create combined index for ffill or interpolation etc. 
combined_index = new_index.union(temperature_data.index)

#Reindex to combined index
resampled_ts = temperature_data.reindex(combined_index)

# Apply interpolation to fill missing values
resampled_ts = resampled_ts.interpolate(method='linear')

# Resample the combined time series to minute frequency
resampled_ts = resampled_ts.reindex(new_index)