Pandas中的resample重采样函数

Pandas中的resample，重新采样，是对原样本重新处理的一个方法，是一个对常规时间序列数据重新采样和频率转换的便捷的方法。

DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention='start',kind=None, loffset=None, limit=None, base=0)

参数详解是：

参数	说明
freq	表示重采样频率，例如‘M'、‘5min'，Second(15)
how='mean'	用于产生聚合值的函数名或数组函数，例如‘mean'、‘ohlc'、np.max等，默认是‘mean'，其他常用的值由：‘first'、‘last'、‘median'、‘max'、‘min'
axis=0	默认是纵轴，横轴设置axis=1
fill_method = None	升采样时如何插值，比如‘ffill'、‘bfill'等
closed = ‘right'	在降采样时，各时间段的哪一段是闭合的，‘right'或‘left'，默认‘right'
label= ‘right'	在降采样时，如何设置聚合值的标签，例如，9：30-9：35会被标记成9：30还是9：35,默认9：35
loffset = None	面元标签的时间校正值，比如‘-1s'或Second(-1)用于将聚合标签调早1秒
limit=None	在向前或向后填充时，允许填充的最大时期数
kind = None	聚合到时期（‘period'）或时间戳（‘timestamp'），默认聚合到时间序列的索引类型
convention = None	当重采样时期时，将低频率转换到高频率所采用的约定（start或end）。默认‘end'

times=pd.date_range('20180101',periods=30) ts=pd.Series(np.arange(1,31),index=times) ts 2018-01-01   1 2018-01-02   2 2018-01-03   3 2018-01-04   4 2018-01-05   5 2018-01-06   6 2018-01-07   7 2018-01-08   8 2018-01-09   9 2018-01-10  10 2018-01-11  11 2018-01-12  12 2018-01-13  13 2018-01-14  14 2018-01-15  15 2018-01-16  16 2018-01-17  17 2018-01-18  18 2018-01-19  19 2018-01-20  20 2018-01-21  21 2018-01-22  22 2018-01-23  23 2018-01-24  24 2018-01-25  25 2018-01-26  26 2018-01-27  27 2018-01-28  28 2018-01-29  29 2018-01-30  30 Freq: D, dtype: int32 ts_7d=ts.resample('7D').sum() ts_7d 2018-01-01   28 2018-01-08   77 2018-01-15  126 2018-01-22  175 2018-01-29   59 dtype: int32

我们看看上面代码，就是先给出一个1-30号的series，l然后聚合成左闭右开的5个区间[1,8)，[8,15)，[15,22)，[22-29)，[29-5(下个月))，每个区间的值就为单个区间值之和。由于29号往后只有29号和30号有值，所以只有两个值

下面我们看看label和closed的功能

1 2 3 4 5 6 7 8 9 10

ts_7d=ts.resample('7D',closed='right',label='left').sum() ts_7d <p>Out[14]:<br> 2017-12-25   1<br> 2018-01-01   35<br> 2018-01-08   84<br> 2018-01-15  133<br> 2018-01-22  182<br> 2018-01-29   30<br> </p>

上面的代码，将closed改为了right，区间就变成了左开右闭，那么如果从区间还是(1,8]，1就取不到，所以往前取，就是(25,1],(1,8],(8,15],(15,22],(22,29],(29,5]这6个区间

1 2 3 4 5 6 7 8 9 10 11

ts_7d=ts.resample('7D',closed='right',label='right').sum() ts_7d <p>Out[15]:<br> 2018-01-01   1<br> 2018-01-08   35<br> 2018-01-15   84<br> 2018-01-22  133<br> 2018-01-29  182<br> 2018-02-05   30<br> dtype: int32<br> </p>

上面的代码就可以看出label=right就是指label等于区间右边的值，如果label=left就是指label等于区间左边的值。

重采样

降低时间的细粒度，对于重采样，主要是涉及到值的填充。有下面的三种填充方法：

不填充：那么对应无值的地方，用NaN代替。对应的方法是asfreq。

用前值填充：用前面的值填充无值的地方。对应的方法是ffill或者pad。

用后值填充：对应的方法是bfill，b代表back。

下面给出代码看一下

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

ts_7h_asfreq = ts.resample('7H').asfreq() ts_7h_asfreq.head(4) ts_7h_ffill = ts.resample('7H').ffill() ts_7h_ffill.head(4) ts_7h_bfill = ts.resample('7H').bfill() ts_7h_bfill.head(4) Out[15]: 2018-01-01 00:00:00  1.0 2018-01-01 07:00:00  NaN 2018-01-01 14:00:00  NaN 2018-01-01 21:00:00  NaN Freq: 7H, dtype: float64 2018-01-01 00:00:00  1<br> 2018-01-01 07:00:00  1<br> 2018-01-01 14:00:00  1<br> 2018-01-01 21:00:00  1<br> Freq: 7H, dtype: int32<br> 2018-01-01 00:00:00  1<br> 2018-01-01 07:00:00  2<br> 2018-01-01 14:00:00  2<br> 2018-01-01 21:00:00  2<br> Freq: 7H, dtype: int32<br>