DataFrame.asfreq(freq，method = None，how = None，normalize = False，fill_value = None)

将TimeSeries转换为指定的频率。

可选择提供填充方法来填充/回填缺失值。

返回符合指定频率的新索引的原始数据。resample如果需要一个操作（如摘要）来表示新频率的数据，则更合适。

Notes,

要了解有关频率字符串的更多信息，请参阅此链接。

例子,

1）基本用法 

有一个包含每日数据的 DataFrame，您想将其转换为每周数据。

import pandas as pd

# 创建一个包含每日数据的示例 DataFrame
date_range = pd.date_range(start='2024-01-01', periods=10, freq='D')
data = {'value': range(10)}
df = pd.DataFrame(data, index=date_range)

# 将 DataFrame 重新采样为每周数据
df_weekly = df.asfreq('W')

print(df_weekly)

2）使用填充方法 

数据中有缺失日期，可以使用填充方法来处理这些缺失值。

import pandas as pd

# 创建一个包含每日数据的示例 DataFrame，其中包含缺失日期
date_range = pd.date_range(start='2024-01-01', periods=10, freq='D')
data = {'value': [0, 1, None, 3, None, 5, 6, None, 8, 9]}
df = pd.DataFrame(data, index=date_range)

# 将 DataFrame 重新采样为每两天一次，并使用向前填充方法
df_bi_daily = df.asfreq('2D', method='ffill')

print(df_bi_daily)

3）使用填充值 

可以使用 fill_value 参数指定缺失值的填充值。

import pandas as pd

# 创建一个包含每日数据的示例 DataFrame，其中包含缺失日期
date_range = pd.date_range(start='2024-01-01', periods=10, freq='D')
data = {'value': [0, 1, None, 3, None, 5, 6, None, 8, 9]}
df = pd.DataFrame(data, index=date_range)

# 将 DataFrame 重新采样为每两天一次，并使用特定的填充值
df_bi_daily = df.asfreq('2D', fill_value=0)

print(df_bi_daily)

4）使用示例

import pandas as pd

# 创建一个包含4个一分钟时间戳的系列
index = pd.date_range('1/1/2000', periods=4, freq='T')
series = pd.Series([0.0, None, 2.0, 3.0], index=index)
df = pd.DataFrame({'s': series})
print("原始 DataFrame:")
print(df)

# 将该 series 变为 30 秒的 bins
df_30s = df.asfreq(freq='30S')
print("\n重新采样为每30秒的 DataFrame:")
print(df_30s)

# 再次上传，提供一个 fill value
df_30s_fill = df.asfreq(freq='30S', fill_value=9.0)
print("\n重新采样为每30秒并使用填充值 9.0 的 DataFrame:")
print(df_30s_fill)

# 再次上传，提供一个 method
df_30s_bfill = df.asfreq(freq='30S', method='bfill')
print("\n重新采样为每30秒并使用向后填充的 DataFrame:")
print(df_30s_bfill)