pandas resample dropna 不适用于所有列

Question

重新采样时DataFrame，dropna()似乎按列工作，这会使测量不准确。

对于以下数据：

In [1]: np.random.seed(117)

In [2]: data = pd.DataFrame(

   ...:     np.concatenate((np.random.rand(17), np.full(3, np.nan))).reshape(2, 10).transpose(),

   ...:     index=pd.bdate_range(start='2019-02-04', end='2019-02-15'),

   ...:     columns=['t1', 't2'],

   ...: ).mul(.01).add(1).cumprod().mul(100)

In [3]: data

Out[3]:

               t1     t2

2019-02-04 100.45 100.68

2019-02-05 100.75 101.65

2019-02-06 100.98 102.48

2019-02-07 101.88 103.40

2019-02-08 102.07 104.17

2019-02-11 103.02 104.93

2019-02-12 103.07 105.09

2019-02-13 103.85    NaN

2019-02-14 103.94    NaN

2019-02-15 104.09    NaN

如果我们重新采样每周累积回报的数据，我们希望删除2019-02-13第二个时期之后的日期 - 因为该列t2在该日期之后没有数据。但 的累计回报t1是基于整个期间的1.03：

In [4]: data.resample('7D').apply(lambda vv: vv.dropna().pct_change().sum()).mul(100)

Out[4]:

             t1   t2

2019-02-04 1.60 3.43

2019-02-11 1.03 0.15

问题的原因是 - 分别dropna()适用于每一列。这会在重采样结果中引入无效数据点。是否有一种 pythonic 方法只在2019-02-11and期间使用数据2019-02-12，即所需的输出应该是：

In [5]: ???

Out[5]:

             t1   t2

2019-02-04 1.60 3.43

2019-02-11 0.05 0.15

Answer 1

您可以nan在重新采样数据之前删除：data.loc[data.isna().sum(axis=1) == 0, :].resample('7D').apply(lambda vv: vv.pct_change().sum()).mul(100)结果如下所示：                  t1        t2date                          2019-02-04  1.604703  3.4223932019-02-11  0.048534  0.152483