resample方法的参数

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’

降采样

需考虑：

1）各区间哪边是闭合的（参数：closed）

2）如何标记各聚合面元，用区间的开头还是末尾（参数：label）

ts_index = pd.date_range('2017-06-20',periods =12,freq = '1min')#一分钟采样数据ts = pd.Series(np.arange(12),index = ts_index)

ts

    2017-06-20 00:00:00     02017-06-20 00:01:00     12017-06-20 00:02:00     22017-06-20 00:03:00     32017-06-20 00:04:00     42017-06-20 00:05:00     52017-06-20 00:06:00     62017-06-20 00:07:00     72017-06-20 00:08:00     82017-06-20 00:09:00     92017-06-20 00:10:00    102017-06-20 00:11:00    11Freq: T, dtype: int32

聚合到5分钟

ts.resample('5min',how='sum')

    C:\Program Files\anaconda\lib\site-packages\ipykernel\__main__.py:1: FutureWarning: how in .resample() is deprecatedthe new syntax is .resample(...).sum()if __name__ == '__main__':2017-06-20 00:00:00    102017-06-20 00:05:00    352017-06-20 00:10:00    21Freq: 5T, dtype: int32

ts.resample('5min',how='sum',closed='left')

    C:\Program Files\anaconda\lib\site-packages\ipykernel\__main__.py:1: FutureWarning: how in .resample() is deprecatedthe new syntax is .resample(...).sum()if __name__ == '__main__':2017-06-20 00:00:00    102017-06-20 00:05:00    352017-06-20 00:10:00    21Freq: 5T, dtype: int32

ts.resample('5min',how='sum',closed='left',label ='left')

    C:\Program Files\anaconda\lib\site-packages\ipykernel\__main__.py:1: FutureWarning: how in .resample() is deprecatedthe new syntax is .resample(...).sum()if __name__ == '__main__':2017-06-20 00:00:00    102017-06-20 00:05:00    352017-06-20 00:10:00    21Freq: 5T, dtype: int32

通过groupby进行重插样

另外一种降采样方法

ts1_index = pd.date_range('2017-6-01',periods = 100,freq = 'd')ts1 = pd.Series(np.arange(100),index = ts1_index)
ts1.head()

    2017-06-01    02017-06-02    12017-06-03    22017-06-04    32017-06-05    4Freq: D, dtype: int32

ts1.groupby(lambda x:x.month).mean()

    6    14.5 7    45.0 8    76.0 9    95.5dtype: float64

ts1.groupby(lambda x:x.weekday).mean()

    0    49.5 1    50.5 2    51.5 3    49.0 4    50.0 5    47.5 6    48.5dtype: float64

df1 = pd.DataFrame(np.arange(200).reshape(100,2),index = ts1_index)

df1.groupby(lambda x:x.weekday).mean()

	0	1
0	99	100
1	101	102
2	103	104
3	98	99
4	100	101
5	95	96
6	97	98

对于具有时间序列索引的pandas数据结构，当groupby传入一个函数时，可以对时间索引对应列进行聚合

升采样

升采样没有聚合，但是需要填充

df2 = pd.DataFrame(np.arange(200).reshape(100,2),index = ts1_index,columns=['add1','add2'])
df2.head()

	add1	add2
2017-06-01	0	1
2017-06-02	2	3
2017-06-03	4	5
2017-06-04	6	7
2017-06-05	8	9

df2.resample('W-THU',fill_method = 'ffill')

    C:\Program Files\anaconda\lib\site-packages\ipykernel\__main__.py:1: FutureWarning: fill_method is deprecated to .resample()the new syntax is .resample(...).ffill()if __name__ == '__main__':

	add1	add2
2017-06-01	0	1
2017-06-08	14	15
2017-06-15	28	29
2017-06-22	42	43
2017-06-29	56	57
2017-07-06	70	71
2017-07-13	84	85
2017-07-20	98	99
2017-07-27	112	113
2017-08-03	126	127
2017-08-10	140	141
2017-08-17	154	155
2017-08-24	168	169
2017-08-31	182	183
2017-09-07	196	197
2017-09-14	198	199

总结

本篇博客主要内容：

1）生成指定时间段，指定频率的日期

2）对含有时间索引的pandas数据进行重采样，包括降采样和升采样等。

python科学计算笔记（十二）pandas的resample采样相关推荐

python科学计算笔记（二）pandas获取网络文件
import urllib.requestimport requests from io import StringIOimport numpy as npimport pandas as pd '' ...
python科学计算笔记（十）pandas中时间、日期以及时间序列处理
Python标准库包含于日期(date)和时间(time)数据的数据类型,datetime.time以及calendar模块会被经常用到. datetime以毫秒形式存储日期和时间,datetime. ...
python科学计算笔记（一）NumPy中ndarray对象、ufunc运算、矩阵运算
标准安装的Python中用列表(list)保存一组值,可以用来当作数组使用,不过由于列表的元素可以是任何对象,因此列表中所保存的是对象的指针.这样为了保存一个简单的[1,2,3],需要有3个指针和三个 ...
【python数据挖掘课程】十二.Pandas、Matplotlib结合SQL语句对比图分析
这篇文章主要讲述Python常用数据分析包Numpy.Pandas.Matplotlib结合MySQL分析数据,前一篇文章 "[python数据挖掘课程]十一.Pandas.Matplotl ...
python科学计算笔记（十四）pandas数据过滤、清理、转换
本篇博客主要内容 1)移除重复数据(duplicated) 2)利用函数或映射进行数据转换(map) 3)替换值(replace) 4)重命名轴索引 5)检测和过滤异常值(逻辑索引) 6)随机采样或选 ...
python科学计算笔记（九）pandas中DataFrame数据操作函数
Python数据分析工具pandas中DataFrame和Series作为主要的数据结构. 本文主要是介绍如何对DataFrame数据进行操作并结合一个实例测试操作函数. 1)查看DataFrame数 ...
python科学计算笔记（八）pandas大数据HDF5硬盘操作方式
大数据分析,内存不够用怎么办? 当然,你可以升级你的电脑为超级电脑. 另外,你也可以采用硬盘操作. 本文示范了硬盘操作的一种可能的方式. 本文基于:win10(64) + py3.5 本人电脑配置:4 ...
python科学计算笔记（四）pandas 数据索引与选取
我们对 DataFrame 进行选择,大抵从这三个层次考虑:行列.区域.单元格. 其对应使用的方法如下: 一. 行,列 --> df[] 二. 区域 --> df.loc[], df. ...
python科学计算笔记（三）pandas中Series和DataFrame练习
from pandas import Series, DataFrame# Series接收list或dict作为一维数据 #两个属性:values, index #① s1 = Series([4, ...

python科学计算笔记（十二）pandas的resample采样

resample方法的参数

降采样

通过groupby进行重插样

升采样

总结

python科学计算笔记（十二）pandas的resample采样相关推荐

最新文章

热门文章