【无标题】

在 Pandas 中，resample 方法是对时间序列数据进行重采样的函数，可以实现从高频率数据转换到低频率数据的聚合操作。下面是 resample 方法的详细用法：

语法：
DataFrame.resample(rule, axis=0, closed=None, label=None, convention=‘start’, kind=None, loffset=None, base=None, on=None, level=None)
其中，rule 是重采样的规则，可以是字符串或时间偏移量对象。其他参数的含义如下：

axis：指定重采样的轴，默认为 0；
closed：指定区间闭合方式，可选值为 ‘left’（左闭右开）、‘right’（左开右闭）、‘both’（两端都闭）和 ‘neither’（两端都开），默认为 ‘right’；
label：指定聚合后的区间标签，可选值为 ‘left’（以左端点标签为标准）和 ‘right’（以右端点标签为标准），默认为 ‘right’；
convention：指定聚合后区间的标签方式，可选值为 ‘start’（以区间起始时间为标准）和 ‘end’（以区间结束时间为标准），默认为 ‘start’；
kind：指定聚合方式，可选值为 ‘timestamp’（时间戳聚合）和 ‘period’（周期聚合），默认为 None；
loffset：指定输出时间索引的偏移量；
base：指定周期聚合的基准点，默认为 0；
on：指定时间序列数据的列名，如果数据不是时间序列，则不需要设置；
level：指定时间序列数据的层级索引。
重采样方法
在 resample 方法中，可以使用以下方法对时间序列数据进行聚合操作：

asfreq：返回重采样后的时间序列的最后一个值；
bfill：用下一个值来填充缺失值；
ffill：用前一个值来填充缺失值；
mean：求平均值；
sum：求和；
max：求最大值；
min：求最小值；
median：求中位数；
ohlc：对开盘价、最高价、最低价和收盘价进行聚合。
示例
下面是一个简单的示例，演示如何使用 resample 方法对时间序列数据进行重采样和聚合：

复制
import pandas as pd
import numpy as np

创建时间序列数据

date_rng = pd.date_range(start=‘1/1/2021’, end=‘1/10/2021’, freq=‘H’)
df = pd.DataFrame(date_rng, columns=[‘date’])
df[‘data’] = np.random.randint(0,100,size=(len(date_rng)))
df = df.set_index(‘date’)

以天为单位对数据进行重采样

df_resampled = df.resample(‘D’).mean()

输出重采样后的数据

print(df_resampled)
输出结果为：

复制
data
date
2021-01-01 54.166667
2021-01-02 50.458333
2021-01-03 46.125000
2021-01-04 54.083333
2021-01-05 49.208333
2021-01-06 48.166667
2021-01-07 49.500000
2021-01-08 47.666667
2021-01-09 50.791667
2021-01-10 56.000000
可以看到，原始数据的时间间隔为 1 小时，重采样后的数据的时间间隔为 1 天，并且每一天的数据是原始数据在这一天内的平均值。