我在尝试是否可以使用data.asfreq(MonthEnd())
而不使用date_range
创建的数据。
我要做什么。我使用以下代码运行csv查询:
import numpy as np
import pandas as pd
data = pd.read_csv("https://www.quandl.com/api/v3/datasets/FRED/GDPC1.csv?api_key=", parse_dates=True)
data.columns = ["period", "integ"]
data['period'] = pd.to_datetime(data['period'], infer_datetime_format=True)
然后,我想通过以下操作将频率分配给“周期”列:
^{pr2}$还有一些印刷品:
print(data)
print(data.period.freq)
print(data.dtypes)
退货:
..........
270 1948-07-01 2033.2
271 1948-04-01 2021.9
272 1948-01-01 1989.5
273 1947-10-01 1960.7
274 1947-07-01 1930.3
275 1947-04-01 1932.3
276 1947-01-01 1934.5
[277 rows x 2 columns]
-92 days +00:00:00
period datetime64[ns]
integ float64
dtype: object
我还可以通过将原始的'DATE'列设为'index'来解析它:
data = pd.read_csv("https://www.quandl.com/api/v3/datasets/FRED/GDPC1.csv?api_key=", parse_dates=True, index_col='DATE')
我想做的只是把季度数据转换成每月行。例如:
270 1948-07-01 2033.2
271 1948-06-01 NaN
272 1948-05-01 NaN
273 1948-04-01 2021.9
274 1948-03-01 NaN
275 1948-02-01 NaN
276 1948-01-01 1989.5
......and so on.......
我最终尝试使用ts.asfreq(MonthBegin())
和ts.asfreq(MonthBegin(), method='pad')
来实现这一点。到目前为止还没有成功。我有以下错误:
NameError: name 'MonthBegin' is not defined
我的问题是,如果不使用date_range
来创建框架,我可以使用asfreq
吗?以某种方式将我的日期列“传递”给函数。如果这不是解决方案,有没有其他简单的方法将季度频率转换为每月频率?在
使用
TimeGrouper
:编辑:也可以使用
^{pr2}$resample
代替TimeGrouper
:相关问题 更多 >
编程相关推荐