python - 在 pandas 中将一个时间序列插值到另一个时间序列上

Question

我有一组定期测量的值。说：

import pandas as pd
import numpy as np
rng = pd.date_range('2013-01-01', periods=12, freq='H')
data = pd.Series(np.random.randn(len(rng)), index=rng)

还有一组更任意的时间，例如，（实际上这些时间不是一个规则的序列）

ts_rng = pd.date_range('2013-01-01 01:11:21', periods=7, freq='87Min')
ts = pd.Series(index=ts_rng)

我想知道在 ts 中插入的数据的值。
我可以在 numpy 中做到这一点：

x = np.asarray(ts_rng,dtype=np.float64)
xp = np.asarray(data.index,dtype=np.float64)
fp = np.asarray(data)
ts[:] = np.interp(x,xp,fp)

但我觉得 pandas 在某个地方有这个功能 resample，reindex等等，但我不太明白。

Answer 1

您可以连接两个时间序列并按索引排序。由于第二个系列中的值是NaN您可以interpolate选择的，并且只需从第二个系列中选择代表点的值：

 pd.concat([data, ts]).sort_index().interpolate().reindex(ts.index)

或者

 pd.concat([data, ts]).sort_index().interpolate()[ts.index]

Answer 2

假设您想在不同的 datetime_index 上评估时间序列 ts。这个索引和ts的索引可能会重叠。我建议使用以下 groupby 技巧。这基本上摆脱了可疑的双重邮票。然后我向前插值，但可以随意应用更多花哨的方法

def interpolate(ts, datetime_index):
    x = pd.concat([ts, pd.Series(index=datetime_index)])
    return x.groupby(x.index).first().sort_index().fillna(method="ffill")[datetime_index]

Answer 3

这是一个干净的衬里：

ts = np.interp( ts_rng.asi8 ,data.index.asi8, data[0] )