【Pandas】pandasSerieslast

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）。

---

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。