我每周有一些设备的日志数据。对于某些设备，它从星期一开始，对于某些设备，它在星期三开始，等等。有时此数据中有〜month的间隔，但是我希望DataFrame索引仍然包含每周具有NaN值的行。
我正在尝试在Python中使用asfreq('W')，但无法获得期望的结果。
例：
我有的：
Date Some_Value
==== ==========
2019-04-10 2
2019-04-17 1
2019-04-24 3
2019-05-01 1
2019-05-08 3
2019-05-15 2
2019-06-06 3
2019-06-13 2
我期望/想要的（请注意带有NaN的2个新行）：
Date Some_Value
==== ==========
2019-04-10 2
2019-04-17 1
2019-04-24 3
2019-05-01 1
2019-05-08 3
2019-05-15 2
2019-05-22 NaN
2019-05-30 NaN
2019-06-06 3
2019-06-13 2
我从
asfreq('W')得到什么：Date Some_Value
==== ==========
2019-03-31 NaN
2019-04-07 NaN
2019-04-14 NaN
...................
因此，我获得了所有
NaN值以及每个星期日的日期。但是我不需要每个星期天的日期。我需要获取DataFrame的第一个日期（在很多时间序列的情况下，是熊猫groupby组中第一行的日期），并每周重新采样第一行的数据。用pandas
asfreq直接可以实现吗？用其他的熊猫方法吗？还是应该使用一些更复杂的自定义函数？谢谢。
最佳答案
问题在于您的数据是星期三的第一个值，星期四的最后两个，所以asfreq返回NaN，因为尝试将其更改为星期日工作日频率-docs：
W-SUN每周频率（星期日）。与“ W”相同
一种可能的解决方案，但DatetimeIndex更改为星期日：
print (df.resample('W').first())
Some_Value
Date
2019-04-14 2.0
2019-04-21 1.0
2019-04-28 3.0
2019-05-05 1.0
2019-05-12 3.0
2019-05-19 2.0
2019-05-26 NaN
2019-06-02 NaN
2019-06-09 3.0
2019-06-16 2.0
如果在
asfreq中更改频率：print (df.asfreq('W-Wed'))
Some_Value
Date
2019-04-10 2.0
2019-04-17 1.0
2019-04-24 3.0
2019-05-01 1.0
2019-05-08 3.0
2019-05-15 2.0
2019-05-22 NaN
2019-05-29 NaN
2019-06-05 NaN
2019-06-12 NaN
print (df.asfreq('W-Thu'))
Some_Value
Date
2019-04-11 NaN
2019-04-18 NaN
2019-04-25 NaN
2019-05-02 NaN
2019-05-09 NaN
2019-05-16 NaN
2019-05-23 NaN
2019-05-30 NaN
2019-06-06 3.0
2019-06-13 2.0
关于python - 每周更新一次的 Pandas ，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57490946/