【Pandas】pandas Series last
Pandas2.2 Series
Computations descriptive stats
| 方法 | 描述 |
|---|---|
| Series.align(other[, join, axis, level, …]) | 用于将两个 Series 对齐，使其具有相同的索引 |
| Series.case_when(caselist) | 用于根据条件列表对 Series 中的元素进行条件判断并返回相应的值 |
| Series.drop([labels, axis, index, columns, …]) | 用于从 Series 中删除指定的行或列（对于 Series 来说，通常是删除行） |
| Series.droplevel(level[, axis]) | 用于从多层索引（MultiIndex）的 Series 中删除指定的索引层级 |
| Series.drop_duplicates(*[, keep, inplace, …]) | 用于从 Series 中删除重复的值 |
Series.duplicated([keep]) | 用于检测 Series 中的重复值 |
| Series.equals(other) | 用于比较两个 Series 对象是否完全相等的方法 |
| Series.first(offset) | 用于根据日期偏移量（offset）选择 Series 中时间序列数据的初始部分 |
Series.head([n]) | 用于返回 Series 的前 n 个元素 |
| Series.idxmax([axis, skipna]) | 用于返回 Series 中最大值的索引 |
| Series.idxmin([axis, skipna]) | 用于返回 Series 中最小值的索引 |
| Series.isin(values) | 用于检查 Series 中的每个元素是否存在于给定的值集合 values 中 |
| Series.last(offset) | 用于根据日期偏移量（offset）选择 Series 中时间序列数据的末尾部分 |
pandas.Series.last
pandas.Series.last(offset) 是 Pandas 库中的一个方法，用于根据日期偏移量（offset）选择 Series 中时间序列数据的末尾部分。它与 first() 方法类似，但方向相反，能够快速提取指定时间范围内的数据。
方法签名
Series.last(offset)
参数详解
offset:- 一个表示时间范围的字符串或
DateOffset对象。 - 例如：
'3D'表示 3 天，'1M'表示 1 个月，'2Y'表示 2 年。 - 支持的偏移量单位包括：
D：天M：月Y：年H：小时T或min：分钟S：秒
- 默认值：无（必须提供）。
- 一个表示时间范围的字符串或
返回值
- 返回一个新的 Series，包含从结束时间向前推算指定偏移量范围内的数据。
示例及结果
示例 1：按天偏移量选择数据
import pandas as pd
# 创建一个时间序列 Series
dates = pd.date_range('2023-10-01', periods=10, freq='D')
s = pd.Series(range(10), index=dates)
print("原 Series:")
print(s)
# 选择最后 3 天的数据
result = s.last('3D')
print("\n最后 3 天的数据:")
print(result)
结果：
原 Series:
2023-10-01 0
2023-10-02 1
2023-10-03 2
2023-10-04 3
2023-10-05 4
2023-10-06 5
2023-10-07 6
2023-10-08 7
2023-10-09 8
2023-10-10 9
Freq: D, dtype: int64
最后 3 天的数据:
2023-10-08 7
2023-10-09 8
2023-10-10 9
Freq: D, dtype: int64
解释：
last('3D')选择了从结束时间2023-10-10向前推算的 3 天数据。
示例 2：按月偏移量选择数据
import pandas as pd
# 创建一个时间序列 Series
dates = pd.date_range('2023-01-01', periods=12, freq='M')
s = pd.Series(range(12), index=dates)
print("原 Series:")
print(s)
# 选择最后 2 个月的数据
result = s.last('2M')
print("\n最后 2 个月的数据:")
print(result)
结果：
原 Series:
2023-01-31 0
2023-02-28 1
2023-03-31 2
2023-04-30 3
2023-05-31 4
2023-06-30 5
2023-07-31 6
2023-08-31 7
2023-09-30 8
2023-10-31 9
2023-11-30 10
2023-12-31 11
Freq: ME, dtype: int64
最后 2 个月的数据:
2023-11-30 10
2023-12-31 11
Freq: ME, dtype: int64
解释：
last('2M')选择了从结束时间2023-12-31向前推算的 2 个月数据。
示例 3：按小时偏移量选择数据
import pandas as pd
# 创建一个时间序列 Series
dates = pd.date_range('2023-10-01 00:00', periods=24, freq='H')
s = pd.Series(range(24), index=dates)
print("原 Series:")
print(s)
# 选择最后 6 小时的数据
result = s.last('6H')
print("\n最后 6 小时的数据:")
print(result)
结果：
原 Series:
2023-10-01 00:00:00 0
2023-10-01 01:00:00 1
2023-10-01 02:00:00 2
2023-10-01 03:00:00 3
2023-10-01 04:00:00 4
2023-10-01 05:00:00 5
2023-10-01 06:00:00 6
2023-10-01 07:00:00 7
2023-10-01 08:00:00 8
2023-10-01 09:00:00 9
2023-10-01 10:00:00 10
2023-10-01 11:00:00 11
2023-10-01 12:00:00 12
2023-10-01 13:00:00 13
2023-10-01 14:00:00 14
2023-10-01 15:00:00 15
2023-10-01 16:00:00 16
2023-10-01 17:00:00 17
2023-10-01 18:00:00 18
2023-10-01 19:00:00 19
2023-10-01 20:00:00 20
2023-10-01 21:00:00 21
2023-10-01 22:00:00 22
2023-10-01 23:00:00 23
Freq: h, dtype: int64
最后 6 小时的数据:
2023-10-01 18:00:00 18
2023-10-01 19:00:00 19
2023-10-01 20:00:00 20
2023-10-01 21:00:00 21
2023-10-01 22:00:00 22
2023-10-01 23:00:00 23
Freq: h, dtype: int64
解释：
last('6H')选择了从结束时间2023-10-01 23:00:00向前推算的 6 小时数据。
示例 4：按年偏移量选择数据
import pandas as pd
# 创建一个时间序列 Series
dates = pd.date_range('2020-01-01', periods=5, freq='Y')
s = pd.Series(range(5), index=dates)
print("原 Series:")
print(s)
# 选择最后 2 年的数据
result = s.last('2Y')
print("\n最后 2 年的数据:")
print(result)
结果：
原 Series:
2020-12-31 0
2021-12-31 1
2022-12-31 2
2023-12-31 3
2024-12-31 4
Freq: YE-DEC, dtype: int64
最后 2 年的数据:
2023-12-31 3
2024-12-31 4
Freq: YE-DEC, dtype: int64
解释：
last('2Y')选择了从结束时间2024-12-31向前推算的 2 年数据。
注意事项
last()方法仅适用于具有DatetimeIndex的 Series。- 如果索引不是时间序列类型，会抛出
TypeError。 offset参数必须是一个有效的日期偏移量字符串或DateOffset对象。
通过 last() 方法，可以方便地从时间序列数据中提取指定时间范围内的末尾数据，适用于快速分析和处理时间序列数据。