我有一个熊猫数据帧,看起来像:
import pandas as pd
df= pd.DataFrame({'Date':['2016-12-31','2018-12-31','2017-06-30','2019-06-30',],'Business':['FRC','FICC','FRC','FICC']\
,'Amount':[10,100,20,200]})
df
Amount Business Date
0 10 FRC 2016-12-31
1 100 FICC 2018-12-31
2 20 FRC 2017-06-30
3 200 FICC 2019-06-30
我想使用重索引和插值函数来获得如下输出:
import pandas as pd
df= pd.DataFrame({'Date':['2016-12-31','2018-12-31','2017-06-30','2019-06-30','2017-03-31','2019-03-31'],'Business':['FRC','FICC','FRC','FICC','FRC','FICC']\
,'Amount':[10,100,20,200,15,150]})
df
Amount Business Date
0 10 FRC 2016-12-31
1 100 FICC 2018-12-31
2 20 FRC 2017-06-30
3 200 FICC 2019-06-30
4 15 FRC 2017-03-31
5 150 FICC 2019-03-31
本质上,我需要将数据帧划分为两个集群,并在每个集群上使用插值函数分开。所以呢,FRC簇的插值为15,FICC簇的插值为150
您可以先将数据分组,然后使用^{} 和^{} 来设置值。你知道吗
我根据您的示例解释了3个月的重采样率,但是如果您的实际数据略有不同,您可以使用一些逻辑来计算利息的时间间隔(天、月、年……),并将其用作重采样周期。你知道吗
相关问题 更多 >
编程相关推荐