pandas.Series.asof

Series.asof(where, subset=None) [source]

Возвращает последнюю строку(и) без каких-либо значений NaN до where.

Берется последняя строка (для каждого элемента в where, если список) без каких-либо NaN. В случае DataFrame берется последняя строка без NaN, учитывая только подмножество столбцов (если не None).

Введено в версии 0.19.0: Для DataFrame

Если подходящего значения нет, возвращается NaN для Series или серия NaN-значений для DataFrame.

Параметры:	where : date or array-like of dates Дата(ы) до которой(ых) возвращается последняя строка(и). subset : str or array-like of str, default None Для DataFrame, если не None, использовать только эти столбцы для проверки на NaN.
Возвращает:	скаляр, Series или DataFrame скаляр : когда self является Series, а where является скаляром Series: когда self является Series, а where является массивоподобным объектом, или когда self является DataFrame, а where является скаляром DataFrame : когда self является DataFrame, а where является массивоподобным объектом

См. также

merge_asof

Выполнить объединение asof. Похоже на левое объединение.

Примечания

Предполагается, что даты отсортированы. Вызовет исключение, если это не так.

Примеры

Series и скаляр where.

>>> 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

Для последовательности where, возвращается Series. Первое значение равно NaN, потому что первый элемент where предшествует первому значению индекса.

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

Пропущенные значения не учитываются. Следующее является 2.0, а не NaN, даже если NaN находится в позиции индекса для 30.

>>> s.asof(30)
2.0

Учитывать все столбцы

>>> 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

Учитывать один столбец

>>> 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