pandas.Series.asof

系列。asof (其中,子集= None )

返回最后一行，其中where之前没有任何 NaN 。

获取没有任何 NaN 的最后一行（对于where中的每个元素，如果列表）。如果是 a DataFrame，则最后一行没有 NaN ，仅考虑列的子集（如果不是None）

如果没有好的值，则为 Series 或 DataFrame 的一系列 NaN 值返回 NaN

参数：

其中日期或类似日期的数组

返回最后一行之前的日期。

str 的子集或 str 的类似数组，默认None

对于 DataFrame，如果不是None，则仅使用这些列来检查 NaN。

返回：

标量、系列或数据帧

返回值可以是：

• 标量：当self是一个系列时，其中是标量

• Series：当self是一个 Series 时，其中是一个类数组，或者当self是一个 DataFrame 时，其中是一个标量

• DataFrame ：当self是一个 DataFrame 时，哪里是一个类似数组的

也可以看看

merge_asof

执行 asof 合并。与左连接类似。

笔记

假定日期已排序。如果情况并非如此，则引发。

例子

级数和标量其中.

>>> s = pd.Series([1, 2, np.nan, 4], index=[10, 20, 30, 40])
>>> s
10    1.0
20    2.0
30    NaN
40    4.0
dtype: float64

>>> s.asof(20)
2.0

对于序列，其中，返回一个 Series。第一个值是 NaN，因为where的第一个元素位于第一个索引值之前。

>>> s.asof([5, 20])
5     NaN
20    2.0
dtype: float64

不考虑缺失值。以下是2.0，而不是 NaN，即使 NaN 位于 的索引位置30。

>>> s.asof(30)
2.0

考虑所有列

>>> df = pd.DataFrame({'a': [10., 20., 30., 40., 50.],
...                    'b': [None, None, None, None, 500]},
...                   index=pd.DatetimeIndex(['2018-02-27 09:01:00',
...                                           '2018-02-27 09:02:00',
...                                           '2018-02-27 09:03:00',
...                                           '2018-02-27 09:04:00',
...                                           '2018-02-27 09:05:00']))
>>> df.asof(pd.DatetimeIndex(['2018-02-27 09:03:30',
...                           '2018-02-27 09:04:30']))
                      a   b
2018-02-27 09:03:30 NaN NaN
2018-02-27 09:04:30 NaN NaN

考虑单列

>>> df.asof(pd.DatetimeIndex(['2018-02-27 09:03:30',
...                           '2018-02-27 09:04:30']),
...         subset=['a'])
                        a   b
2018-02-27 09:03:30  30.0 NaN
2018-02-27 09:04:30  40.0 NaN