我有一个像这样的 Pandas DataFrame。
如您所见，数据对应于月末数据。问题是所有列的月末日期都不相同。 (根本原因是当月的最后一个交易日并不总是与月末重合。)
目前，2016年1月底有“2016-01-29”和“2016-01-31”两行。它应该只是一排。例如，2016 年 1 月末指数 A、指数 B 和指数 C 应该是 451.1473 1951.218 1401.093。
另一点是，即使每一行几乎总是对应于月末数据，但数据可能不够好，并且可以想象包含随机列的月中数据。在这种情况下，我不想进行任何调整以捕获任何先前的数据收集错误。
实现这一目标的最有效方法是什么。
编辑:
Index A Index B Index C
DATE
2015-03-31 2067.89 1535.07 229.1
2015-04-30 2085.51 1543 229.4
2015-05-29 2107.39 NaN NaN
2015-05-31 NaN 1550.39 229.1
2015-06-30 2063.11 1534.96 229
2015-07-31 2103.84 NaN 228.8
2015-08-31 1972.18 1464.32 NaN
2015-09-30 1920.03 1416.84 227.5
2015-10-30 2079.36 NaN NaN
2015-10-31 NaN 1448.39 227.7
2015-11-30 2080.41 1421.6 227.6
2015-12-31 2043.94 1408.33 227.5
2016-01-29 1940.24 NaN NaN
2016-01-31 NaN 1354.66 227.5
2016-02-29 1932.23 1355.42 227.3
因此，在这种情况下，我需要在 2015-05、2015-10、2016-01 年底合并行。但是，2015-07 和 2015-08 的行根本没有数据。因此，在这种情况下，我想将 2015-07 和 2015-08 保留为 NaN，而我想合并 2015-05、2015-10、2016-01 的月末行。希望这为我正在尝试做的事情提供了更多的见解。
最佳答案
您可以使用:
df = df.groupby(pd.TimeGrouper('M')).fillna(method='ffill')
df = df.resample(rule='M', how='last')
创建一个新的
DateTimeIndex 结束于月份的最后一天，并对每个月份的最后一个可用数据点进行采样。 fillna() 确保对于最后一个可用日期缺少数据的列，您使用先前的可用值。关于python - 调整 Pandas 中的月度时间序列数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/36314144/