使用“ffill”填充缺失的数据

如何解决使用“ffill”填充缺失的数据

我有以下数据

4/23/2021   493107
4/26/2021   485117
4/27/2021   485117
4/28/2021   485117
4/29/2021   485117
4/30/2021   485117
5/7/2021    484691

我希望它看起来像下面这样：

4/23/2021   493107
4/24/2021    485117
4/25/2021    485117
4/26/2021   485117
4/27/2021   485117
4/28/2021   485117
4/29/2021   485117
4/30/2021   485117
5/1/2021    484691
5/2/2021    484691
5/3/2021    484691
5/4/2021    484691
5/5/2021    484691
5/6/2021    484691
5/7/2021    484691

所以它使用下面的日期来填充缺失的数据。我尝试了以下代码：

 df['Date']=pd.to_datetime(df['Date'].astype(str),format='%m/%d/%Y')   
 df.set_index(df['Date'],inplace=True)    
 df = df.resample('D').sum().fillna(0)
 df['crude'] = df['crude'].replace({ 0:np.nan})
 df['crude'].fillna(method='ffill',inplace=True)

然而，这会导致获取上述数据并获得以下结果：

4/23/2021   493107
4/24/2021   493107
4/25/2021   493107
4/26/2021   485117
4/27/2021   485117
4/28/2021   485117
4/29/2021   485117
4/30/2021   485117
5/1/2021    485117
5/2/2021    485117
5/3/2021    485117
5/4/2021    485117
5/5/2021    485117
5/6/2021    485117
5/7/2021    969382

这与我需要的输出不匹配。

解决方法

将数据帧的索引设置为Date，然后使用asfreq将数据帧的索引符合/重新索引为每日频率，提供填充方法作为向后填充

df.set_index('Date').asfreq('D',method='bfill')

---

             crude
Date              
2021-04-23  493107
2021-04-24  485117
2021-04-25  485117
2021-04-26  485117
2021-04-27  485117
2021-04-28  485117
2021-04-29  485117
2021-04-30  485117
2021-05-01  484691
2021-05-02  484691
2021-05-03  484691
2021-05-04  484691
2021-05-05  484691
2021-05-06  484691
2021-05-07  484691

,

尝试将 0 替换为 bfill 而不是 ffill：

import numpy as np
import matplotlib.pyplot as plt
p = np.pi
m = 4/p
n = p/2
t = np.arange(-10,10,0.001)
#a1 = m*np.cos(n*t)
#a2 = -m/3*np.cos(3*n*t)
#a3 = m/5*np.cos(5*n*t)
#a4 = -m/7*np.cos(7*n*t)
#a5 = m/9*np.cos(9*n*t)
plt.figure(figsize = (12,6))
a=[]
for i,j in zip(range(1,21,2),range(0,20,1)):
    a = ((-1)**j*m/i*np.cos(i*n*t))/2
    a += a

#a = a1+a2+a3+a4+a5

plt.plot(t,a,'r-')
plt.title('Square Signal using sine harmonics',fontdict={'fontname': 'monospace','fontsize': 15})
plt.ylabel('Amplitude')
plt.xlabel('Time')
plt.grid()
plt.show()

import pandas as pd df = pd.DataFrame({ 'crude': {'4/23/2021': 493107,'4/26/2021': 485117,'4/27/2021': 485117,'4/28/2021': 485117,'4/29/2021': 485117,'4/30/2021': 485117,'5/7/2021': 484691} }) df.index = pd.to_datetime(df.index) df = df.resample('D').sum() df['crude'] = df['crude'].replace(0,method='bfill') print(df) ：

df