从每月平均数据帧到内插的每日时间序列

我有兴趣获取每个月的平均每月值，并将每月平均值设置为每个月的15日（在每日时间序列内）的值。

我从以下内容开始（这些是我得到的每月平均值）：

m_avg = pd.DataFrame（{'Month'：['1.527013956'，'1.899169054'，'1.669356146'，'1.44920871'，'1.188557788'，'1.017035727'，'0.950243755'，'1.022453993'，'1.203913739'，' 1.369545041'，'1.441827406'，'1.48621651']

编辑：我向数据框添加了一个更多的值，以便现在有12个值。

接下来，我想将每个月度值分别放在以下时间段的第15天（每个月内）：

ts = pd.date_range(start='1/1/1950', end='12/31/1999', freq='D')

我知道如何通过使用以下命令在已经存在的每日时间序列的第15天提取日期：

df= df.loc[(df.index.day==15)] # Where df is any daily timeseries

最后，我知道如何在每个月的第15天获得月平均值后对值进行插值，方法是：

df.loc[:, ['Col1']] = df.loc[:, ['Col1']].interpolate(method='linear', limit_direction='both', limit=100)

我如何从每月DataFrame过渡到插值的每日DataFrame，在每个月的第15天之间线性插值，这是按构造计算的原始DataFrame的每月价值？

问题来源：stackoverflow

import pandas as pd import numpy as np # monthly averages, note these should be cast to float month = np.array(['1.527013956', '1.899169054', '1.669356146', '1.44920871', '1.188557788', '1.017035727', '0.950243755', '1.022453993', '1.203913739', '1.369545041', '1.441827406', '1.48621651'], dtype='float') # expand this to 51 years, with the same monthly averages repeating each year # (obviously not very efficient, probably there are better ways to attack the problem, # but this was the question) month = np.tile(month, 51) # create DataFrame with these values m_avg = pd.DataFrame({'Month': month}) # set the date index to the desired time period m_avg.index = pd.date_range(start='1/1/1950', end='12/1/2000', freq='MS') # shift the index by 14 days to get the 15th of each month m_avg = m_avg.tshift(14, freq='D') # expand the index to daily frequency daily = m_avg.asfreq(freq='D') # interpolate (linearly) the missing values daily = daily.interpolate() # show result display(daily)

Month 1950-01-15 1.527014 1950-01-16 1.539019 1950-01-17 1.551024 1950-01-18 1.563029 1950-01-19 1.575034 ... ... 2000-12-11 1.480298 2000-12-12 1.481778 2000-12-13 1.483257 2000-12-14 1.484737 2000-12-15 1.486217 18598 rows × 1 columns

从每月平均数据帧到内插的每日时间序列

相关电子书