如何在pandas中使用fill_value重新采样TimeSeries

Question

我有一个整数TimeSeries，我想使用resample()进行下采样。问题是，我有一些时期缺少的数据转换为NaN。由于pandas不支持整型NA值，所以将整型转换为浮点数。

是否有可能使用fill_value重新采样TimeSeries以查找丢失的数据，就像我可以使用reindex(fill_value=0)一样?我不想把整型转换成浮点数

>>> dates = (datetime(2013, 1, 1), datetime(2013,1,2), datetime(2013,3,1))
>>> s = Series([1,2,4],index=dates)
>>> s
2013-01-01    1
2013-01-02    2
2013-03-01    4
dtype: int64
>>> s.resample('M', how='sum')
2013-01-31     3
2013-02-28   NaN
2013-03-31     4
Freq: M, dtype: float64
# Desired output (doesn't work)
>>> s.resample('M', how='sum', fill_value=0)
2013-01-31     3
2013-02-28     0
2013-03-31     4
Freq: M, dtype: int64

Answer 1

您可以定义自己的函数来避免NaN

In [36]: def _sum(x):
   ....:     if len(x) == 0: return 0
   ....:     else: return sum(x)
   ....:     
In [37]: s.resample('M', how=_sum)
Out[37]: 
2013-01-31    3   
2013-02-28    0   
2013-03-31    3   
Freq: M, dtype: int64