重采样

pandas.api.typing.Resampler 实例由重采样调用返回：pandas.DataFrame.resample()，pandas.Series.resample().

索引，迭代

Resampler.__iter__()	分组迭代器。
Resampler.groups	字典 {分组名称 -> 分组标签}。
Resampler.indices	字典 {分组名称 -> 分组索引}。
Resampler.get_group(name[, obj])	使用提供的名称从分组中构建 DataFrame。

函数应用

Resampler.apply([func])	使用一个或多个操作在指定的轴上进行聚合。
Resampler.aggregate([func])	使用一个或多个操作在指定的轴上进行聚合。
Resampler.transform(arg, *args, **kwargs)	在每个分组上调用生成类似索引的 Series 的函数。
Resampler.pipe(func, *args, **kwargs)	将带有参数的 func 应用于此 Resampler 对象并返回其结果。

上采样

Resampler.ffill([limit])	向前填充值。
Resampler.bfill([limit])	向后填充重采样数据中的新缺失值。
Resampler.nearest([limit])	使用最近的值进行重采样。
Resampler.fillna(method[, limit])	填充上采样引入的缺失值。
Resampler.asfreq([fill_value])	返回新频率的值，本质上是重新索引。
Resampler.interpolate([method, axis, limit, ...])	根据不同的方法插值目标时间戳之间的值。

计算/描述性统计

Resampler.count()	计算组的计数，不包括缺失值。
Resampler.nunique(*args, **kwargs)	返回组中唯一元素的数量。
Resampler.first([numeric_only, min_count, ...])	计算每个组中每列的第一个条目。
Resampler.last([numeric_only, min_count, skipna])	计算每个组中每列的最后一个条目。
Resampler.max([numeric_only, min_count])	计算组的最大值。
Resampler.mean([numeric_only])	计算组的平均值，不包括缺失值。
Resampler.median([numeric_only])	计算组的中位数，不包括缺失值。
Resampler.min([numeric_only, min_count])	计算组的最小值。
Resampler.ohlc(*args, **kwargs)	计算组的开盘价、最高价、最低价和收盘价，排除缺失值。
Resampler.prod([numeric_only, min_count])	计算组值的乘积。
Resampler.size()	计算组的大小。
Resampler.sem([ddof, numeric_only])	计算组的平均值的标准误差，排除缺失值。
Resampler.std([ddof, numeric_only])	计算组的标准差，排除缺失值。
Resampler.sum([numeric_only, min_count])	计算组值的总和。
Resampler.var([ddof, numeric_only])	计算组的方差，排除缺失值。
Resampler.quantile([q])	返回给定分位数的值。