python（18）-pandas 重采样-与降采样-resample-PeriodIndex

    重采样：指将时间序列从一个频率转换成另一个频率进行处理的过程。
    高频到低频称降采样，低频到高频称升采样。          

---

1.设置或者修改数据表 索引为“时间序列”
  1.如果表里的数据是4列，分别为 年、月、日、时 首先 合并成str 型'2010-01-01 00:00'
     periods=pd.PeriodIndex(year=data["year"],month=data["month"],day=data["day"],hour=data["hour"],freq="H")
  2.增加时间序列
     df["datetime"] = period
  3.设为索引
     df.set_index("datetime", inplace=True)

def readData():
    #1.读取excel文件
    filePath = "./data/PM2.5/BeijingPM20100101_20151231.csv"
    df = pd.read_csv(filePath)
    # 2.把年、月、日、时 通过 PeriodIndex的方法转化为 pandas的时间类型
    period = pd.PeriodIndex(year=df["year"], month=df["month"], day=df["day"], hour=df["hour"], freq="H")
    """
    print(period)
    PeriodIndex(['2010-01-01 00:00', '2010-01-01 01:00', '2010-01-01 02:00',
             '2010-01-01 03:00', '2010-01-01 04:00', '2010-01-01 05:00',
             '2010-01-01 06:00', '2010-01-01 07:00', '2010-01-01 08:00',
             '2010-01-01 09:00',
             ...
             '2015-12-31 14:00', '2015-12-31 15:00', '2015-12-31 16:00',
             '2015-12-31 17:00', '2015-12-31 18:00', '2015-12-31 19:00',
             '2015-12-31 20:00', '2015-12-31 21:00', '2015-12-31 22:00',
             '2015-12-31 23:00'],
            dtype='period[H]', length=52584, freq='H')
    """
    #3.创建新的时间列
    df["datetime"] = period
    # 4.把datetime 设置为索引
    df.set_index("datetime", inplace=True)
    # 5.进行降采样
    df = df.resample("M").mean()
    #df = df.resample("10D").count()
    print(df)
    #6. 处理缺失数据，删除缺失数据
    # data = df[""].dropna()

2.降采样 高->低
  原始数据："2019-12-19 00：00：00" 每4小时一个值（（10，50）随机值） 100个值
  新数据：  按2天取一个值 （12个值取平均）
          统计新频率数据个数（）
  t.resample("2D").mean()
  t.resample("2D").count()

def resetFreq():
   m_nums = 100
   pdData = np.random.uniform(10, 50, (m_nums, 1))
   pdIndex = pd.date_range(start="2019-12-19 00:00:00 ", periods=m_nums, freq='4H')# periods 个数  间隔时间freq
   t = pd.DataFrame(pdData, pdIndex)
   print(t)
   print(t.resample("2D").mean())  # '2D'按‘2天’取平均值，  'M"按"月"取平均值
   """
   2019-12-19  30.187593
2019-12-21  28.747335
2019-12-23  31.989311
2019-12-25  32.510580
2019-12-27  29.256347
2019-12-29  31.253162
2019-12-31  30.031848
2020-01-02  26.627749
2020-01-04  40.053487
   """
   print(t.resample("2D").count())
   """
   2019-12-19  12
2019-12-21  12
2019-12-23  12
2019-12-25  12
2019-12-27  12
2019-12-29  12
2019-12-31  12
2020-01-02  12
2020-01-04   4
  """