python 用df.resample( period ).sum()的时候提示：FutureWarning: The default value of numeric_only in DataFrameGroupBy.sum is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be va

这个警告是因为在未来的版本中，DataFrameGroupBy.sum() 方法的 numeric_only 参数的默认值将会变为 False。而在当前版本中，numeric_only 默认为 True。因此，为了避免未来的问题，建议在使用 DataFrameGroupBy.sum() 方法时显式地指定 numeric_only 参数的值。

numeric_only 参数用于指定是否仅对数值型列进行求和。如果值为 False，则对所有列进行求和；如果值为 True，则仅对数值型列进行求和。

因此，可以将代码修改为以下形式：

df.resample(period).sum(numeric_only=True)

这样就可以避免出现警告信息了。

相关问题

FutureWarning: The default value of numeric_only in DataFrameGroupBy.mean is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be valid for the function. df1 = df.resample("H").mean()

这是一个警告，提醒你在进行 DataFrameGroupBy.mean 操作时需要指定 numeric_only 或只选择可以使用该函数的列。在未来版本中，numeric_only 的默认值将更改为 False。你需要更新你的代码以避免这个警告，例如可以通过设置 numeric_only=True 或只选择数值型列来解决这个问题。

python 用df.resample( period).ffill()显示的结果，jupyter中并没有填充

`df.resample(period).ffill()` 方法用于对时间序列进行重采样，并且使用前向填充方法进行缺失值填充。如果在 Jupyter Notebook 中执行该方法没有填充缺失值，可能是因为你的数据中没有缺失值，或者在执行该方法时没有设置正确的参数。

请检查数据中是否存在缺失值，可以使用 `df.isnull().sum()` 方法查看每列缺失值的数量。如果确实存在缺失值，可以尝试使用 `df.resample(period).fillna(method='ffill')` 或者 `df.resample(period).apply(lambda x: x.fillna(method='ffill'))` 来进行填充。另外，如果时间序列中的数据点太少，也可能导致填充不成功。可以尝试增加数据点的数量或者更改时间周期。