python 时间序列数据重采样

侯小啾

已于 2022-10-18 19:50:53 修改

阅读量3.9k

点赞数 6

CC 4.0 BY-SA版权

分类专栏： Python数据分析与数据可视化文章标签： python 重采样升采样降采样 pandas

于 2022-06-24 18:49:16 首次发布

本文链接：https://blog.csdn.net/weixin_48964486/article/details/125429900

Python数据分析与数据可视化专栏收录该内容

34 篇文章

订阅专栏

本文详细介绍了如何在Python中使用pandas库进行时间序列数据的降采样（如将日度数据转为周度或月度数据），以及升采样操作（包括处理缺失值和使用asfreq()方法）。通过实例演示了降采样时求和操作，并展示了如何将每周数据扩展到每日数据。

python 时间序列数据重采样

🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ
重采样：指将时间序列数据从一个频率转为另一个频率的过程。
重采样可以分为

降采样：高频率到低频率。

升采样：低频率到高频率。

升采样后会产生缺失值。相比而言降采样更为常用。

降采样

import pandas as pd
import numpy as np
# 创建日度数据100条
data1 = pd.DataFrame(np.random.uniform(10, 50, (100, 1)), index=pd.date_range('20220101', periods=100), columns=["value"])
print(data1)

在这里插入图片描述

降采样，转为10日数据并求和

data2 = data1.resample('10D').sum()
print(data2)

在这里插入图片描述

降采样，转为月度数据并求和

data3 = data1.resample('M').sum()
print(data3)

在这里插入图片描述

升采样

升采样后需要使用asfreq()方法，才能使升采样后的数据转为DataFrame格式，新增的数据都显示为空值。

首先准备一组数据。

data4 = pd.DataFrame(np.random.randint(1000,4000,size=(4,4)),index=pd.date_range('1/1/2022', periods=4, freq='W-WED'), columns=["北京","上海","广州","深圳"])
print(data4)