在熊猫中将一个时间序列插入到另一个时间序列中

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)

而另一组更随意的时间,例如,(实际上这些时间不是常规序列)

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ts中时间插值的数据的值.
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)

但是我觉得熊猫在某处有这种功能 resample,reindex但是我不能完全理解它.

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可以的interpolate,因此只需选择代表第二个系列中的点的值:

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

要么

 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.该索引和ts的索引可能重叠.我建议使用以下groupby技巧.这基本上摆脱了可疑的双重邮票.然后我转发插值但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]