pandas.DataFrame.resample#

DataFrame.resample(rule, closed=None, label=None, convention='start', on=None, level=None, origin='start_day', offset=None, group_keys=False)[源代码]#

对时间序列数据进行重采样。

用于时间序列的频率转换和重采样便捷方法。对象必须具有类似日期时间（datetime-like）的索引（DatetimeIndex、PeriodIndex 或 TimedeltaIndex>），或者调用者必须将类似日期时间（datetime-like）的 Series/Index 的标签传递给 on/level 关键字参数。

参数:
ruleDateOffset, Timedelta 或 str

表示目标转换的偏移量字符串或对象。

closed{{‘right’, ‘left’}}, 默认 None

区间哪一侧是闭合的。对于所有频率偏移量，默认值为 ‘left’，除了 ‘ME’, ‘YE’, ‘QE’, ‘BME’, ‘BA’, ‘BQE’ 和 ‘W’，这些偏移量的默认值均为 ‘right’。

label{{‘right’, ‘left’}}, 默认 None

用于标记分箱的哪个边界。对于所有频率偏移量，默认值为 ‘left’，除了 ‘ME’, ‘YE’, ‘QE’, ‘BME’, ‘BA’, ‘BQE’ 和 ‘W’，这些偏移量的默认值均为 ‘right’。

convention{{‘start’, ‘end’, ‘s’, ‘e’}}, 默认 ‘start’

仅对 PeriodIndex 有效，控制是使用 rule 的开始还是结束。

onstr, optional

对于 DataFrame，指定用于重采样的列而不是索引。该列必须是类似日期时间（datetime-like）的。

levelstr 或 int, optional

对于 MultiIndex，指定用于重采样的级别（名称或数字）。level 必须是类似日期时间（datetime-like）的。

originTimestamp 或 str, 默认 ‘start_day’

用于调整分组的时间戳。origin 的时区必须与索引的时区匹配。如果为字符串，则必须是 Timestamp 可转换的，或者为以下任一值：

  • ‘epoch’: origin 为 1970-01-01

  • ‘start’: origin 为时间序列的第一个值

  • ‘start_day’: origin 为时间序列的第一天午夜

  • ‘end’: origin 为时间序列的最后一个值

  • ‘end_day’: origin 为最后一天的上限午夜

注意

仅对 Tick 频率（即固定频率，如天、小时和分钟，而不是月或季度）生效。

offsetTimedelta 或 str, 默认 None

添加到 origin 的偏移量 Timedelta。

group_keysbool, 默认 False

在使用 .apply() 对重采样对象进行操作时，是否将分组键包含在结果索引中。

版本 2.0.0 中已更改： group_keys 现在默认值为 False。

返回:
pandas.api.typing.Resampler

Resampler 对象。

另请参阅

Series.resample

重采样 Series。

DataFrame.resample

重采样 DataFrame。

groupby

按映射、函数、标签或标签列表对 Series/DataFrame 进行分组。

asfreq

使用给定频率重新索引 Series/DataFrame，而不进行分组。

注意

更多信息请参阅 用户指南。

要了解更多关于偏移量字符串的信息，请参阅 此链接。

示例

从创建一个包含 9 个一分钟时间戳的 Series 开始。

>>> index = pd.date_range("1/1/2000", periods=9, freq="min")
>>> series = pd.Series(range(9), index=index)
>>> series
2000-01-01 00:00:00    0
2000-01-01 00:01:00    1
2000-01-01 00:02:00    2
2000-01-01 00:03:00    3
2000-01-01 00:04:00    4
2000-01-01 00:05:00    5
2000-01-01 00:06:00    6
2000-01-01 00:07:00    7
2000-01-01 00:08:00    8
Freq: min, dtype: int64

将 Series 下采样到 3 分钟的 bin 中，并对落入 bin 的时间戳值进行求和。

>>> series.resample("3min").sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3min, dtype: int64

将 Series 下采样到 3 分钟的 bin 中，如上所述，但使用右边界而不是左边界来标记每个 bin。请注意，在 bin 中用于标记的值不包含在它所标记的 bin 中。例如，在原始 Series 中，bin 2000-01-01 00:03:00 包含值 3，但重采样 bin 中标签为 2000-01-01 00:03:00 的求和值不包含 3（如果包含，则求和值应为 6，而不是 3）。

>>> series.resample("3min", label="right").sum()
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3min, dtype: int64

要包含此值，请关闭 bin 区间的右侧，如下所示。

>>> series.resample("3min", label="right", closed="right").sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15
Freq: 3min, dtype: int64

将 Series 按 30 秒的间隔升采样。

>>> series.resample("30s").asfreq()[0:5]  # Select first 5 rows
2000-01-01 00:00:00   0.0
2000-01-01 00:00:30   NaN
2000-01-01 00:01:00   1.0
2000-01-01 00:01:30   NaN
2000-01-01 00:02:00   2.0
Freq: 30s, dtype: float64

将 Series 上采样到 30 秒的 bin 中，并使用 ffill 方法填充 NaN 值。

>>> series.resample("30s").ffill()[0:5]
2000-01-01 00:00:00    0
2000-01-01 00:00:30    0
2000-01-01 00:01:00    1
2000-01-01 00:01:30    1
2000-01-01 00:02:00    2
Freq: 30s, dtype: int64

将 Series 上采样到 30 秒的 bin 中，并使用 bfill 方法填充 NaN 值。

>>> series.resample("30s").bfill()[0:5]
2000-01-01 00:00:00    0
2000-01-01 00:00:30    1
2000-01-01 00:01:00    1
2000-01-01 00:01:30    2
2000-01-01 00:02:00    2
Freq: 30s, dtype: int64

通过 apply 传递自定义函数

>>> def custom_resampler(arraylike):
...     return np.sum(arraylike) + 5
>>> series.resample("3min").apply(custom_resampler)
2000-01-01 00:00:00     8
2000-01-01 00:03:00    17
2000-01-01 00:06:00    26
Freq: 3min, dtype: int64

对于具有 PeriodIndex 的 Series，可以使用 convention 关键字来控制是使用 rule 的开始还是结束。

使用 ‘start’ convention 将年份按季度重采样。值被分配到该期间的第一个季度。

>>> s = pd.Series(
...     [1, 2], index=pd.period_range("2012-01-01", freq="Y", periods=2)
... )
>>> s
2012    1
2013    2
Freq: Y-DEC, dtype: int64
>>> s.resample("Q", convention="start").asfreq()
2012Q1    1.0
2012Q2    NaN
2012Q3    NaN
2012Q4    NaN
2013Q1    2.0
2013Q2    NaN
2013Q3    NaN
2013Q4    NaN
Freq: Q-DEC, dtype: float64

使用 ‘end’ convention 将季度按月份重采样。值被分配到该期间的最后一个月。

>>> q = pd.Series(
...     [1, 2, 3, 4], index=pd.period_range("2018-01-01", freq="Q", periods=4)
... )
>>> q
2018Q1    1
2018Q2    2
2018Q3    3
2018Q4    4
Freq: Q-DEC, dtype: int64
>>> q.resample("M", convention="end").asfreq()
2018-03    1.0
2018-04    NaN
2018-05    NaN
2018-06    2.0
2018-07    NaN
2018-08    NaN
2018-09    3.0
2018-10    NaN
2018-11    NaN
2018-12    4.0
Freq: M, dtype: float64

对于 DataFrame 对象，可以使用 on 关键字来指定用于重采样的列而不是索引。

>>> df = pd.DataFrame([10, 11, 9, 13, 14, 18, 17, 19], columns=["price"])
>>> df["volume"] = [50, 60, 40, 100, 50, 100, 40, 50]
>>> df["week_starting"] = pd.date_range("01/01/2018", periods=8, freq="W")
>>> df
   price  volume week_starting
0     10      50    2018-01-07
1     11      60    2018-01-14
2      9      40    2018-01-21
3     13     100    2018-01-28
4     14      50    2018-02-04
5     18     100    2018-02-11
6     17      40    2018-02-18
7     19      50    2018-02-25
>>> df.resample("ME", on="week_starting").mean()
               price  volume
week_starting
2018-01-31     10.75    62.5
2018-02-28     17.00    60.0

对于具有 MultiIndex 的 DataFrame，可以使用 level 关键字来指定需要进行重采样的级别。

>>> days = pd.date_range("1/1/2000", periods=4, freq="D")
>>> df2 = pd.DataFrame(
...     [
...         [10, 50],
...         [11, 60],
...         [9, 40],
...         [13, 100],
...         [14, 50],
...         [18, 100],
...         [17, 40],
...         [19, 50],
...     ],
...     columns=["price", "volume"],
...     index=pd.MultiIndex.from_product([days, ["morning", "afternoon"]]),
... )
>>> df2
                      price  volume
2000-01-01 morning       10      50
           afternoon     11      60
2000-01-02 morning        9      40
           afternoon     13     100
2000-01-03 morning       14      50
           afternoon     18     100
2000-01-04 morning       17      40
           afternoon     19      50
>>> df2.resample("D", level=0).sum()
            price  volume
2000-01-01     21     110
2000-01-02     22     140
2000-01-03     32     150
2000-01-04     36      90

如果您想根据固定的时间戳调整分箱的开始

>>> start, end = "2000-10-01 23:30:00", "2000-10-02 00:30:00"
>>> rng = pd.date_range(start, end, freq="7min")
>>> ts = pd.Series(np.arange(len(rng)) * 3, index=rng)
>>> ts
2000-10-01 23:30:00     0
2000-10-01 23:37:00     3
2000-10-01 23:44:00     6
2000-10-01 23:51:00     9
2000-10-01 23:58:00    12
2000-10-02 00:05:00    15
2000-10-02 00:12:00    18
2000-10-02 00:19:00    21
2000-10-02 00:26:00    24
Freq: 7min, dtype: int64

>>> ts.resample("17min").sum()
2000-10-01 23:14:00     0
2000-10-01 23:31:00     9
2000-10-01 23:48:00    21
2000-10-02 00:05:00    54
2000-10-02 00:22:00    24
Freq: 17min, dtype: int64

>>> ts.resample("17min", origin="epoch").sum()
2000-10-01 23:18:00     0
2000-10-01 23:35:00    18
2000-10-01 23:52:00    27
2000-10-02 00:09:00    39
2000-10-02 00:26:00    24
Freq: 17min, dtype: int64

>>> ts.resample("17min", origin="2000-01-01").sum()
2000-10-01 23:24:00     3
2000-10-01 23:41:00    15
2000-10-01 23:58:00    45
2000-10-02 00:15:00    45
Freq: 17min, dtype: int64

如果您想使用 offset Timedelta 调整分箱的开始，以下两行是等效的

>>> ts.resample("17min", origin="start").sum()
2000-10-01 23:30:00     9
2000-10-01 23:47:00    21
2000-10-02 00:04:00    54
2000-10-02 00:21:00    24
Freq: 17min, dtype: int64

>>> ts.resample("17min", offset="23h30min").sum()
2000-10-01 23:30:00     9
2000-10-01 23:47:00    21
2000-10-02 00:04:00    54
2000-10-02 00:21:00    24
Freq: 17min, dtype: int64

如果你想将最大的 Timestamp 作为 bin 的结束

>>> ts.resample("17min", origin="end").sum()
2000-10-01 23:35:00     0
2000-10-01 23:52:00    18
2000-10-02 00:09:00    27
2000-10-02 00:26:00    63
Freq: 17min, dtype: int64

与 start_day 相比，你可以使用 end_day 将最大 Timestamp 的上限午夜作为 bin 的结束，并删除不包含数据的 bin

>>> ts.resample("17min", origin="end_day").sum()
2000-10-01 23:38:00     3
2000-10-01 23:55:00    15
2000-10-02 00:12:00    45
2000-10-02 00:29:00    45
Freq: 17min, dtype: int64
本页内容