这篇文章主要讲解了python数据处理如何对pandas进行数据变频或插值，内容清晰明了，对此有兴趣的小伙伴可以学习一下，相信大家阅读完之后会有帮助。
好了，不说废话，看我的代码：
import pandas as pd
import numpy as np
rng = pd.date_range('20180101', periods=40)
ts = pd.Series(np.arange(1,41), index=rng)#这一行和上一行生成了一个index为时间，一共40天的数据
ts_m = ts.resample('M').asfreq()#对数据进行按月重采样，之后再asfreq()
print(ts)
print(ts_m)tips：因为发生了一些事，所以没有写完这部分先这样吧，后面我再补全
结果在下面，大家看按照月度‘M'采样，会抓取到月末的数据，1月31日和2月28日，嗯，后面的asfreq()是需要的，不然返回的就只是一个resample对象，当然除了M以外，也可以自己进行随意的设置频率，比如说‘3M'三个月，‘5T'五分钟，‘30S'三十秒，更多精彩内容请多多查看文档
2018-01-07 7 2018-01-08 8 2018-01-09 9 2018-01-10 10 2018-01-11 11 2018-01-12 12 2018-01-13 13 2018-01-14 14 2018-01-15 15 2018-01-16 16 2018-01-17 17 2018-01-18 18 2018-01-19 19 2018-01-20 20 2018-01-21 21 2018-01-22 22 2018-01-23 23 2018-01-24 24 2018-01-25 25 2018-01-26 26 2018-01-27 27 2018-01-28 28 2018-01-29 29 2018-01-30 30 2018-01-31 31 2018-02-01 32 2018-02-02 33 2018-02-03 34 2018-02-04 35 2018-02-05 36 2018-02-06 37 2018-02-07 38 2018-02-08 39 2018-02-09 40 Freq: D, dtype: int32 2018-01-31 31.0 2018-02-28 NaN Freq: M, dtype: float64
至于这个asfreq()，用法是这样的：
# to 45 minute frequency and forward fill
In [5]: converted = ts.asfreq('45Min', method='pad')
In [6]: converted.head()
Out[6]:
2011-01-01 00:00:00 0.469112
2011-01-01 00:45:00 0.469112
2011-01-01 01:30:00 -0.282863
2011-01-01 02:15:00 -1.509059
2011-01-01 03:00:00 -1.135632
Freq: 45T, dtype: float64然后既然有下采样，那就要有插值了，插值的用法如下所示：
这个是线性插值，当然还有向前填充（.bfill()）向后填充(.pad())的,可以还看这个官方文档啦，官方文档就是好
>>> s = pd.Series([0, 1, np.nan, 3]) >>> s.interpolate() 0 0 1 1 2 2 3 3 dtype: float64
看完上述内容，是不是对python数据处理如何对pandas进行数据变频或插值有进一步的了解，如果还想学习更多内容，欢迎关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
