pandas.DatetimeIndex.get_indexer

DatetimeIndex.get_indexer(target, method=None, limit=None, tolerance=None) [source]

Вычислить индексатор и маску для нового индекса, заданного текущим индексом. Индексатор должен быть затем использован в качестве входных данных для ndarray.take для выравнивания текущих данных с новым индексом.

Параметры:

target : Индекс method : {None, ‘pad’/’ffill’, ‘backfill’/’bfill’, ‘nearest’}, необязательно по умолчанию: только точные совпадения. pad / ffill: найти ПРЕДЫДУЩЕЕ значение индекса, если точного совпадения нет. backfill / bfill: использовать СЛЕДУЮЩЕЕ значение индекса, если точного совпадения нет nearest: использовать НАИБОЛЕЕ БЛИЗКОЕ значение индекса, если точного совпадения нет. Связанные расстояния разрываются, отдавая предпочтение большему значению индекса. limit : int, необязательно Максимальное количество последовательных меток в target для соответствия неточных совпадений. tolerance : необязательно Максимальное расстояние между исходными и новыми метками для неточных совпадений. Значения индекса в совпадающих позициях в наибольшей степени удовлетворяют уравнению abs(index[indexer] - target) <= tolerance. Допуск может быть скалярным значением, которое применяет одинаковый допуск ко всем значениям, или спископодобным, который применяет переменный допуск к каждому элементу. Список подобные включает список, кортеж, массив, Series и должен иметь тот же размер, что и индекс, а его тип данных должен точно соответствовать типу индекса. Введено в версии 0.17.0. Введено в версии 0.21.0: (спископодобный допуск)

Возвращаемые значения:

indexer : ndarray целых чисел Целые числа от 0 до n - 1, указывающие, что индекс в этих позициях соответствует соответствующим целевым значениям. Отсутствующие значения в целевом значении отмечаются -1.

Примеры

>>> indexer = index.get_indexer(new_index)
>>> new_values = cur_values.take(indexer)