大熊猫。方法用于将时间序列转换为指定的频率。通过使用此方法的参数，我们也可以填充值。Series.asfreq()missing(null)
它将返回一个具有重新索引频率的系列对象，该频率是通过asfreq()方法指定的。方法的参数asfreq()是freq，method=None，how=None，normalize=False，fill_value=None。除了 freq 其余所有参数都有默认值。
让我们使用 pandas date_range 模块创建一个时间序列对象并应用该asfreq()方法。
示例 1
import pandas as pd
# create the index
index = pd.date_range('2021-07-01', periods=10, freq='H')
#creating pandas Series with date index
series = pd.Series([1,3,None,5,7,9,None,2,3,4], index=index)
print(series)
# converted time series
print("Converted time series",series.asfreq(freq='2H'))解释
最初，我们使用 python import 关键字将 pandas 模块导入到我们的工作区，然后我们使用 date range 函数创建了一个带有时间序列数据的索引变量，之后，我们创建了一个带有时间序列的 pandas 系列对象。
输出结果
2021-07-01 00:00:00 1.0 2021-07-01 01:00:00 3.0 2021-07-01 02:00:00 NaN 2021-07-01 03:00:00 5.0 2021-07-01 04:00:00 7.0 2021-07-01 05:00:00 9.0 2021-07-01 06:00:00 NaN 2021-07-01 07:00:00 2.0 2021-07-01 08:00:00 3.0 2021-07-01 09:00:00 4.0 Freq: H, dtype: float64 Converted time series 2021-07-01 00:00:00 1.0 2021-07-01 02:00:00 NaN 2021-07-01 04:00:00 7.0 2021-07-01 06:00:00 NaN 2021-07-01 08:00:00 3.0 Freq: 2H, dtype: float64
初始时间序列由 10 个周期创建，频率为小时。显示在上述输出块的第一部分。
并且转换后的时间序列对象也显示在上面的输出块中，其中频率转换为 2 小时。结果系列中只有 5 个元素。
示例 2
import pandas as pd
# create the index
index = pd.date_range('2021-06-30', periods=10, freq='M')
#creating pandas Series with date index
series = pd.Series(index.month_name(), index=index)
print(series)
# converted time series
print("Converted time series",series.asfreq(freq='Q'))解释
在上面的示例中，我们使用 Date_range 方法创建了一个熊猫系列，该方法具有 10 个月份的频率。之后，我们将系列对象的频率更改为每季度一次。
输出结果
2021-06-30 June 2021-07-31 July 2021-08-31 August 2021-09-30 September 2021-10-31 October 2021-11-30 November 2021-12-31 December 2022-01-31 January 2022-02-28 February 2022-03-31 March Freq: M, dtype: object Converted time series 2021-06-30 June 2021-09-30 September 2021-12-31 December 2022-03-31 March Freq: Q-DEC, dtype: object
在上面的输出块中，我们可以看到初始时间序列对象和转换的时间序列对象。通过将“Q”值提供给 asfreq 方法的“freq”参数，转换后的时间序列更新为季度频率。
