【python数据分析（19）】Pandas中时间序列处理（5）时间序列数据重采样resample()方法的使用

冷不防 2023-07-11 08:39 56阅读 0赞

#### 1. 时间序列数据重采样概念 ####

将时间序列从一个频率转换为另一个频率的过程，且会有数据的结合的过程

之前涉及到频率的转换只是单纯的改变频率，而并没有改变时间标签所对应的数值信息，比如在获得每天的销售信息时候，想要进行每个月甚至每年的销售汇总时候，就需要使用时间序列重采样

`ts.resample('5D').sum()`:得到一个新的聚合后的`Series`，聚合方式为求和  
`freq`：重采样频率 → `ts.resample('5D')`  
`.sum()`：聚合方法

import pandas as pd
    import numpy as np
    
    rng = pd.date_range('20200101', periods = 12)
    ts = pd.Series(np.arange(12), index = rng)
    print(ts)
    
    ts_re = ts.resample('5D')
    ts_re2 = ts.resample('5D').sum()
    print(ts_re, type(ts_re))
    print(ts_re2, type(ts_re2))

–> 输出的结果为：（如果后面改变频率之后不加方法，就只是一个采样构建器，频率改为5天，要输出的话后面需要接方法）

2020-01-01     0
    2020-01-02     1
    2020-01-03     2
    2020-01-04     3
    2020-01-05     4
    2020-01-06     5
    2020-01-07     6
    2020-01-08     7
    2020-01-09     8
    2020-01-10     9
    2020-01-11    10
    2020-01-12    11
    Freq: D, dtype: int32
    
    DatetimeIndexResampler [freq=<5 * Days>, axis=0, closed=left, label=left, convention=start, base=0]
     <class 'pandas.core.resample.DatetimeIndexResampler'>
    
    2020-01-01    10
    2020-01-06    35
    2020-01-11    21
    Freq: 5D, dtype: int32 
    <class 'pandas.core.series.Series'>

**其他的聚合方法**

print(ts.resample('5D').mean(),'→ 求平均值\n')
    print(ts.resample('5D').max(),'→ 求最大值\n')
    print(ts.resample('5D').min(),'→ 求最小值\n')
    print(ts.resample('5D').median(),'→ 求中值\n')
    print(ts.resample('5D').first(),'→ 返回第一个值\n')
    print(ts.resample('5D').last(),'→ 返回最后一个值\n')
    print(ts.resample('5D').ohlc(),'→ OHLC重采样\n')
    # OHLC:金融领域的时间序列聚合方式 → open开盘、high最大值、low最小值、close收盘

–> 输出的结果为：

2020-01-01     2.0
    2020-01-06     7.0
    2020-01-11    10.5
    Freq: 5D, dtype: float64 → 求平均值
    
    2020-01-01     4
    2020-01-06     9
    2020-01-11    11
    Freq: 5D, dtype: int32 → 求最大值
    
    2020-01-01     0
    2020-01-06     5
    2020-01-11    10
    Freq: 5D, dtype: int32 → 求最小值
    
    2020-01-01     2.0
    2020-01-06     7.0
    2020-01-11    10.5
    Freq: 5D, dtype: float64 → 求中值
    
    2020-01-01     0
    2020-01-06     5
    2020-01-11    10
    Freq: 5D, dtype: int32 → 返回第一个值
    
    2020-01-01     4
    2020-01-06     9
    2020-01-11    11
    Freq: 5D, dtype: int32 → 返回最后一个值
    
                open  high  low  close
    2020-01-01     0     4    0      4
    2020-01-06     5     9    5      9
    2020-01-11    10    11   10     11 → OHLC重采样

#### 2. 降采样 ####

import pandas as pd
    import numpy as np
    
    rng = pd.date_range('20200110', periods = 12)
    ts = pd.Series(np.arange(1,13), index = rng)
    print(ts)
    
    print(ts.resample('5D').sum(),'→ 默认\n')
    print(ts.resample('5D', closed = 'left').sum(),'→ left\n')
    print(ts.resample('5D', closed = 'right').sum(),'→ right\n')

`closed`：各时间段哪一端是闭合（即包含）的，默认 左闭右闭  
这里`values`为1-12，按照`5D`重采样 → \[1,2,3,4,5\],\[6,7,8,9,10\],\[11,12\]  
`left`指定间隔左边为结束 → \[1,2,3,4,5\],\[6,7,8,9,10\],\[11,12\]  
`right`指定间隔右边为结束 → \[1\],\[2,3,4,5,6\],\[7,8,9,10,11\],\[12\]

输出结果为：（要特别注意当使用参数`right`时，间隔右边为结束，由于是以5D为频率的，所以第一个数据就是五天前，对应着1-05，然后取值就是1）

2020-01-10     1
    2020-01-11     2
    2020-01-12     3
    2020-01-13     4
    2020-01-14     5
    2020-01-15     6
    2020-01-16     7
    2020-01-17     8
    2020-01-18     9
    2020-01-19    10
    2020-01-20    11
    2020-01-21    12
    Freq: D, dtype: int32
    2020-01-10    15
    2020-01-15    40
    2020-01-20    23
    Freq: 5D, dtype: int32 → 默认
    
    2020-01-10    15
    2020-01-15    40
    2020-01-20    23
    Freq: 5D, dtype: int32 → left
    
    2020-01-05     1
    2020-01-10    20
    2020-01-15    45
    2020-01-20    12
    Freq: 5D, dtype: int32 → right

`label`：聚合值的`index`，默认为取左，这种才是常见的整合的方式

print(ts.resample('5D', label = 'left').sum(),'→ leftlabel\n')
    print(ts.resample('5D', label = 'right').sum(),'→ rightlabel')

输出结果为：（注意和上边的对比）

2020-01-10    15
    2020-01-15    40
    2020-01-20    23
    Freq: 5D, dtype: int32 → leftlabel
    
    2020-01-15    15
    2020-01-20    40
    2020-01-25    23
    Freq: 5D, dtype: int32 → rightlabel

#### 3. 升采样及插值 ####

低频转高频，主要是如何插值  
`.asfreq()`：不做填充，返回Nan  
`.ffill()`：向上填充  
`.bfill()`：向下填充

rng = pd.date_range('2017/1/1 0:0:0', periods = 5, freq = 'H')
    ts = pd.DataFrame(np.arange(15).reshape(5,3),
                      index = rng,
                      columns = ['a','b','c'])
    print(ts)
    
    print(ts.resample('15T').asfreq())
    print(ts.resample('15T').ffill())
    print(ts.resample('15T').bfill())

输出结果为：（三种方式）

a   b   c
    2020-01-01 00:00:00   0   1   2
    2020-01-01 01:00:00   3   4   5
    2020-01-01 02:00:00   6   7   8
    2020-01-01 03:00:00   9  10  11
    2020-01-01 04:00:00  12  13  14
    
                            a     b     c
    2020-01-01 00:00:00   0.0   1.0   2.0
    2020-01-01 00:30:00   NaN   NaN   NaN
    2020-01-01 01:00:00   3.0   4.0   5.0
    2020-01-01 01:30:00   NaN   NaN   NaN
    2020-01-01 02:00:00   6.0   7.0   8.0
    2020-01-01 02:30:00   NaN   NaN   NaN
    2020-01-01 03:00:00   9.0  10.0  11.0
    2020-01-01 03:30:00   NaN   NaN   NaN
    2020-01-01 04:00:00  12.0  13.0  14.0
    
                          a   b   c
    2020-01-01 00:00:00   0   1   2
    2020-01-01 00:30:00   0   1   2
    2020-01-01 01:00:00   3   4   5
    2020-01-01 01:30:00   3   4   5
    2020-01-01 02:00:00   6   7   8
    2020-01-01 02:30:00   6   7   8
    2020-01-01 03:00:00   9  10  11
    2020-01-01 03:30:00   9  10  11
    2020-01-01 04:00:00  12  13  14
    
                          a   b   c
    2020-01-01 00:00:00   0   1   2
    2020-01-01 00:30:00   3   4   5
    2020-01-01 01:00:00   3   4   5
    2020-01-01 01:30:00   6   7   8
    2020-01-01 02:00:00   6   7   8
    2020-01-01 02:30:00   9  10  11
    2020-01-01 03:00:00   9  10  11
    2020-01-01 03:30:00  12  13  14
    2020-01-01 04:00:00  12  13  14

#### 4. 时期重采样 - Period ####

prng = pd.period_range('2020','2021',freq = 'M')
    ts = pd.Series(np.arange(len(prng)), index = prng)
    print(ts)
    
    print(ts.resample('Q').sum())  # 降采样
    print(ts.resample('15D').ffill())  # 升采样

输出结果为：（第一个是按照季度进行降采样，第二个是按照15D升采样）

2020-01     0
    2020-02     1
    2020-03     2
    2020-04     3
    2020-05     4
    2020-06     5
    2020-07     6
    2020-08     7
    2020-09     8
    2020-10     9
    2020-11    10
    2020-12    11
    2021-01    12
    Freq: M, dtype: int32
    
    2020Q1     3
    2020Q2    12
    2020Q3    21
    2020Q4    30
    2021Q1    12
    Freq: Q-DEC, dtype: int32
    
    2020-01-01     0
    2020-01-16     0
    2020-01-31     0
    2020-02-15     1
    2020-03-01     2
    2020-03-16     2
    2020-03-31     2
    2020-04-15     3
    2020-04-30     3
    2020-05-15     4
    2020-05-30     4
    2020-06-14     5
    2020-06-29     5
    2020-07-14     6
    2020-07-29     6
    2020-08-13     7
    2020-08-28     7
    2020-09-12     8
    2020-09-27     8
    2020-10-12     9
    2020-10-27     9
    2020-11-11    10
    2020-11-26    10
    2020-12-11    11
    2020-12-26    11
    2021-01-10    12
    2021-01-25    12
    Freq: 15D, dtype: int32