如何解决Pandas 重采样 - 差异 .interpolate(limit_direction='both') 和 .bfill().ffill()
我正在将 CAN 数据同步到 1 Hz。我从日期时间索引开始，具有独特的样本但不均匀的时间增量。最初的想法是首先将值插入到 1000Hz 的同步网格，然后重新采样。这工作得很好，直到我想用 ffill 和 bfill 填充东西而不是插值，现在我似乎无法从 Pandas 文档中理解。
最初我是这样做的：
data = data.resample('ms').interpolate(limit_direction='both').resample('s').asfreq()
除了第一行的 NaN 之外，没有给我任何 NaN。 现在将事情更改为
data = data.resample('ms').ffill().bfill().resample('s').asfreq() # or
data = data.resample('s').nearest()
完全让事情变得更糟，结果是 40-50% 的 NaN。显示数据是不可能的，也不会添加太多信息。如果有人可以向我解释 .ffill().bfill() 和 .interpolate(limit_direction='both') 之间的区别，我将不胜感激。我通读了 API 参考和用户指南，但找不到我想要的内容。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
