Pandas Series の asfreq メソッド

はじめに

Pandas の Series.asfreq() メソッドは、時系列を指定された頻度に変換するために使用されます。これにより、時系列に欠損値や null 値を埋めることができます。このチュートリアルでは、Python Pandas の Series.asfreq() メソッドの使い方を説明します。

VM のヒント

VM の起動が完了したら、左上隅をクリックして Notebook タブに切り替え、Jupyter Notebook を使って練習しましょう。

時々、Jupyter Notebook が読み込み完了するまで数秒待つ必要がある場合があります。Jupyter Notebook の制限により、操作の検証を自動化することはできません。

学習中に問題が発生した場合は、Labby にお問い合わせください。セッション後にフィードバックを提供してください。すぐに問題を解決いたします。

必要なライブラリをインポートする

import pandas as pd

日付時刻インデックスを作成する

index = pd.date_range('1/4/2021', periods=4, freq='T')

欠損値を持つ Series を作成する

series = pd.Series([1.0, None, None, 3.0], index=index)

元の Series を表示する

print("--------The Series is-------")
print(series)

Series を指定された頻度に変換する

print("-----------After converting the Timeseries-----------")
print(series.asfreq(freq='H'))

Series をアップサンプリングして欠損値を埋める

print("-----------Upsample Timeseries and fill values-----------")
print(series.asfreq(freq='40s', fill_value=5.0))

'bfill' メソッドを使って Series をアップサンプリングする

print("-----------Upsample Timeseries using 'bfill' method-----------")
print(series.asfreq(freq='70s', method='bfill'))

まとめ

このチュートリアルでは、PythonのPandasのSeries.asfreq()メソッドの使い方を学びました。このメソッドを使って、時系列データを指定された頻度に変換し、欠損値やnull値を埋めました。また、時系列の頻度をアップサンプリングし、'bfill'メソッドを使って欠損値を埋める方法も学びました。Series.asfreq()メソッドは、Pandasで時系列データを扱う際の便利なツールです。