python resample函数_Python pandas.DataFrame.resample函数方法的使用

DataFrame.resample(rule, axis=0, closed=None, label=None, convention='start', kind=None, loffset=None, base=None, on=None, level=None, origin='start_day', offset=None)[source]

重新采样time-series数据。

频率转换和time series重采样的便捷方法。对象必须具有类似datetime的索引(DatetimeIndex， PeriodIndex或TimedeltaIndex)，或将类似datetime的值传递给on或level关键字。

参数:rule : eDateOffset, Timedelta 或 str

表示目标转换的偏移字符串或对象。

axis:{0或‘index’, 1 或 ‘columns’}, 默认为 0

向上采样或向下采样使用哪一个轴。对于级数，默认值为0，

即沿着行。必须是DatetimeIndex, TimedeltaIndex

或PeriodIndex。

closed : {‘right’, ‘left’}, 默认为None

bin区间的哪一边是关闭的。

除了‘M’、‘A’、‘Q’、‘BM’、‘BA’、‘BQ’和‘W’之外，

所有频率偏移的默认值都是‘left’，它们的默认值都是‘right’。

label: {‘right’, ‘left’}, 默认为 None

用哪边标签来标记bucket。

除了‘M’、‘A’、‘Q’、‘BM’、‘BA’、‘BQ’和‘W’之外，

所有频率偏移的默认值都是‘left’，它们的默认值都是‘right’。

convention :{'start', 'end', 's', 'e'}, 默认为 'start'

仅对于PeriodIndex，控制是使用规则的开始还是结束。

kind: {‘timestamp’, ‘period’}, 可选, 默认为 None

传递'timestamp'将结果索引转换为DateTimeIndex，

或'period'将其转换为PeriodIndex。默认情况下，

保留输入表示形式。

loffset : timedelta, 默认为None

调整重新采样的时间标签。

自1.1.0版本以来已弃用 : 您应该将loffset添加到df中。

重新取样后的索引。见下文。

base : int, 默认为0

对于平均细分1天的频率，聚合间隔的“origin”。

例如，对于“5min”频率，基数可以从0到4。默认值为0。

自1.1.0版本以来已弃用：

您应该使用的新参数是'offset'或'origin'。

on : str, 可选

自1.1.0版本以来已弃用:您应该使用的新参数是'offset'或'origin'。

level : str 或 int, 可选

用于重采样的多索引、级别(名称或数字)。级别必须与日期时间类似。

origin : {‘epoch’, ‘start’, ‘start_day’},

Timestamp 或 str, 默认为 ‘start_day’

调整分组的时间戳。原始时区必须与索引的时区匹配。

如果不使用时间戳，也支持以下值:

1) “epoch”:起源是1970年01月01日

2) 'start ': origin是timeseries的第一个值

2) “start_day”:起源是timeseries午夜的第一天

新版本1.1.0。

offset : Timedelta 或 str, 默认为 None

加到原点的偏移时间。