Reindex серия Панды найти ближайшие даты

Question

У меня есть временная ряд панды, который выглядит следующим образом:

In [1]: ser1 
Out[1]: 
Date 
2005-12-31 11382000 
Name: Amount, dtype: float64 

Я хотел бы проиндексировать его, используя индекс другого временного ряда:

In [2]: ser2 
Out[2]: 
Date 
2005-12-20 14.13 
2005-12-21 14.22 
2005-12-22 14.30 
2005-12-23 14.35 
2005-12-27 14.32 
2005-12-28 14.32 
2005-12-29 14.23 
2005-12-30 14.19 
2006-01-03 14.48 
2006-01-04 14.54 
2006-01-05 14.68 
Name: Amount, dtype: float64 

Но когда я использую

ser3 = ser1.reindex(ser2.index) 

Я получаю

In [4]: ser3 
Out[4]: 
Date 
2005-12-20 NaN 
2005-12-21 NaN 
2005-12-22 NaN 
2005-12-23 NaN 
2005-12-27 NaN 
2005-12-28 NaN 
2005-12-29 NaN 
2005-12-30 NaN 
2006-01-03 NaN 
2006-01-04 NaN 
2006-01-05 NaN 
Name: Amount, dtype: float64 

Обратите внимание, что элемент из ser1, имеющий дату '2005-12-31', не отображается в ser3, так как индекс ser2 не включал 2005-12-31. Я хотел бы поместить значения ser1 в следующую доступную дату в индексе ser2. Как я могу это сделать?

Answer 1

Следующее позволит вам заполнить до ближайшей прямой даты, если ее nan (в противном случае это значение примет при этом индексе). (если вы хотите получить ближайшую дату назад, вы можете использовать метод bfill). IIRC это по-прежнему открытый вопрос в пандах, поскольку он немного нетривиальный (и теоретически должен быть метод заполнения, например «ближайший»), но для этого нужен PR!

In [25]: ser1 = Series(100000,index=[Timestamp('20051231')]) 

In [26]: ser1 
Out[26]: 
2005-12-31 100000 
dtype: int64 

In [27]: ser2 
Out[27]: 
0 
2005-12-20 14.13 
2005-12-21 14.22 
2005-12-22 14.30 
2005-12-23 14.35 
2005-12-27 14.32 
2005-12-28 14.32 
2005-12-29 14.23 
2005-12-30 14.19 
2006-01-03 14.48 
2006-01-04 14.54 
2006-01-05 14.68 
Name: 1, dtype: float64 

In [28]: ser1.reindex(ser2.index,method='ffill',limit=1) 
Out[28]: 
0 
2005-12-20  NaN 
2005-12-21  NaN 
2005-12-22  NaN 
2005-12-23  NaN 
2005-12-27  NaN 
2005-12-28  NaN 
2005-12-29  NaN 
2005-12-30  NaN 
2006-01-03 100000 
2006-01-04  NaN 
2006-01-05  NaN 
dtype: float64