pandas.core.resample.Resampler.ffill#

finalResampler.ffill(limit=None)[source] #

Forward fill the values.

This method fills missing values by propagating the last valid observation forward, up to the next valid observation. It is commonly used in time series analysis when resampling data to a higher frequency (upsampling) and filling gaps in the resampled output.

Parameters:

limitint, optional: Limit of how many values to fill.

Returns:

Series: The resampled data with missing values filled forward.

See also

Series.fillna: Fill NA/NaN values using the specified method.
DataFrame.fillna: Fill NA/NaN values using the specified method.

Examples

Here we only create a Series.

>>> ser = pd.Series(
...  [1, 2, 3, 4],
...  index=pd.DatetimeIndex(
...  ["2023年01月01日", "2023年01月15日", "2023年02月01日", "2023年02月15日"]
...  ),
... )
>>> ser
2023年01月01日 1
2023年01月15日 2
2023年02月01日 3
2023年02月15日 4
dtype: int64

Example for ffill with downsampling (we have fewer dates after resampling):

>>> ser.resample("MS").ffill()
2023年01月01日 1
2023年02月01日 3
Freq: MS, dtype: int64

Example for ffill with upsampling (fill the new dates with the previous value):

>>> ser.resample("W").ffill()
2023年01月01日 1
2023年01月08日 1
2023年01月15日 2
2023年01月22日 2
2023年01月29日 2
2023年02月05日 3
2023年02月12日 3
2023年02月19日 4
Freq: W-SUN, dtype: int64

With upsampling and limiting (only fill the first new date with the previous value):

>>> ser.resample("W").ffill(limit=1)
2023年01月01日 1.0
2023年01月08日 1.0
2023年01月15日 2.0
2023年01月22日 2.0
2023年01月29日 NaN
2023年02月05日 3.0
2023年02月12日 NaN
2023年02月19日 4.0
Freq: W-SUN, dtype: float64

pandas.core.resample.Resampler.ffill#

This Page