Интерполяция одного временного ряда на другой в пандах

Question

У меня есть один набор значений, измеренный в обычное время. Скажи:

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) 

И еще множество более произвольных моментов времени, например, (в действительности эти времена не регулярная последовательность)

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

Я хочу знать значение данных интерполированных во времена в тс.
я могу сделать это в NumPy:

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) 

Но я чувствую панд имеет такую ​​функциональность, где-то в resample, reindex и т.д., но я совсем не могу получить его.

Answer 1

Вы можете объединить два временных ряда и отсортировать по индексу. Так как значения во второй серии NaN вы можете interpolate и просто выбрать из значений, которые представляют собой точку из второй серии:

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

или

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

Answer 2

предположит, что вы хотели бы, чтобы оценить временные ряды ts на другом datetime_index. Этот индекс и индекс ts могут перекрываться. Я рекомендую использовать следующий групповой трюк. Это существенно избавляет от сомнительных двойных марок. Я тогда вперед интерполяция, но не стесняйтесь применять более причудливые методы

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

Answer 3

Вот чистый один лайнер:

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