Метод asfreq

Метод asfreq применяется к объекту Resampler и возвращает передискретизированный ряд с новой частотой. Первым параметром передаётся целевая частота (например, 'D' для дней). Вторым параметром можно задать метод заполнения пропущенных значений: 'ffill' для заполнения предыдущим значением, 'bfill' для заполнения следующим значением. Если метод не указан, пропуски заполняются значением NaN.

Синтаксис

resampler.asfreq(freq, method=None)

Пример

Создадим временной ряд с ежедневными данными и передискретизируем его к еженедельной частоте:

import pandas as pd

dates = pd.date_range('2025-01-01', periods=5, freq='D')
ser = pd.Series([10, 20, 30, 40, 50], index=dates)
res = ser.resample('W')
print(res.asfreq())

Результат выполнения кода:

2025-01-05	50.0
Freq: W-SUN, dtype: float64

Пример

Передискретизируем данные с почасовой частотой и заполним пропуски методом ffill:

import pandas as pd

dates = pd.date_range('2025-01-01 00:00', periods=3, freq='H')
ser = pd.Series([1, 2, 3], index=dates)
res = ser.resample('2H')
print(res.asfreq(method='ffill'))

Результат выполнения кода:

2025-01-01 00:00:00	1.0
2025-01-01 02:00:00	3.0
Freq: 2H, dtype: float64

Пример

Используем метод bfill для заполнения пропусков следующим значением:

import pandas as pd

dates = pd.date_range('2025-01-01 00:00', periods=3, freq='H')
ser = pd.Series([5, 6, 7], index=dates)
res = ser.resample('2H')
print(res.asfreq(method='bfill'))

Результат выполнения кода:

2025-01-01 00:00:00	5.0
2025-01-01 02:00:00	7.0
Freq: 2H, dtype: float64

Смотрите также

метод ffill,
который заполняет пропуски предыдущим значением
метод bfill,
который заполняет пропуски следующим значением
метод interpolate,
который интерполирует пропущенные значения
метод mean,
который вычисляет среднее значение для каждого интервала