pandas resample()与asfreq()的区别 resample()按日周月累计方法

       处理时间序列数据时，经常需要按照新的频率（更高频率、更低频率）对数据进行重新取样。你可以通过 resample() 方法解决这个 问题，或者用更简单的 asfreq() 方法。这两个方法的主要差异在于， resample() 方法是以数据累计（data aggregation ）为基础，而 asfreq() 方法是以数据选择（data selection ）为基础。

       在进行向前取样（up-sampling）时， resample() 与 asfreq() 的用法大体相同，不过重新取样有许多种配置方式。操作时，两种方法都默认将向前取样作为缺失值处理，也就是说在里面填充 NaN 。

       与 pd.fillna() 函数类似， asfreq() 有一个method 参数可以设置填充缺失值的方式。

       可以通过重新取样将数据转换成更大的颗粒度，

         比如按日累计：

data.resample('D').sum()

       比如按周累计：

data.resample('W').sum()

       比如按月累计：

data.resample('M').sum()