pandas的resample重采样的使用
更新时间：2020年04月24日 10:51:49 作者：jingsupo
这篇文章主要介绍了pandas的resample重采样的使用,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Pandas中的resample，重新采样，是对原样本重新处理的一个方法，是一个对常规时间序列数据重新采样和频率转换的便捷的方法。
降采样：高频数据到低频数据
升采样：低频数据到高频数据
主要函数：resample()（pandas对象都会有这个方法）
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' |
首先创建一个Series，采样频率为一分钟。
>>> index = pd.date_range('1/1/2000', periods=9, freq='T')
>>> 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: T, dtype: int64
降低采样频率为三分钟
>>> series.resample('3T').sum()
2000-01-01 00:00:00 3
2000-01-01 00:03:00 12
2000-01-01 00:06:00 21
Freq: 3T, dtype: int64
降低采样频率为三分钟，但是每个标签使用right来代替left。请注意，bucket中值的用作标签。
>>> series.resample('3T', 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: 3T, dtype: int64
降低采样频率为三分钟，但是关闭right区间。
>>> series.resample('3T', 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: 3T, dtype: int64
增加采样频率到30秒
>>> series.resample('30S').asfreq()[0:5] #select first 5 rows
2000-01-01 00:00:00 0
2000-01-01 00:00:30 NaN
2000-01-01 00:01:00 1
2000-01-01 00:01:30 NaN
2000-01-01 00:02:00 2
Freq: 30S, dtype: float64
增加采样频率到30S,使用pad方法填充nan值。
>>> series.resample('30S').pad()[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
增加采样频率到30S,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运行一个自定义函数
>>> def custom_resampler(array_like):
... return np.sum(array_like)+5
>>> series.resample('3T').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: 3T, dtype: int64
到此这篇关于pandas的resample重采样的使用的文章就介绍到这了,更多相关pandas resample重采样内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
Django shell调试models输出的SQL语句方法
今天小编就为大家分享一篇Django shell调试models输出的SQL语句方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
namedtuple是Python中一个非常有用的数据结构,它提供了一种简单的方式创建具有固定字段的轻量级对象,通过使用namedtuple,可以提高代码的可读性和可维护性,避免了使用类定义对象的复杂性,这篇文章主要介绍了Python中的命名元组简单而强大的数据结构,需要的朋友可以参考下2024-05-05
这篇文章主要介绍了python 多线程与多进程效率测试，在Python中，计算密集型任务适用于多进程，IO密集型任务适用于多线程、接下来看看文章得实例吧,需要的朋友可以参考一下哟2021-10-10
这篇文章主要介绍了Python编程实现的图片识别功能,涉及Python PIL模块的安装与使用技巧,需要的朋友可以参考下2017-08-08
使用python的pandas读取excel文件中的数据详情
这篇文章主要介绍了使用python的pandas读取excel文件中的数据详情，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-09-09
这篇文章主要介绍了linux 下实现python多版本安装实践,需要的朋友可以参考下2014-11-11
今天小编就为大家分享一篇Python加载带有注释的Json文件实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-05-05
这篇文章主要介绍了Python Selenium模块安装使用教程详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-07-07
使用Pycharm(Python工具)新建项目及创建Python文件的教程
这篇文章主要介绍了使用Pycharm(Python工具)新建项目及创建Python文件的教程,本文通过图文并茂的形式给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-04-04
python 打印直角三角形，等边三角形，菱形，正方形的代码
这篇文章主要介绍了python 打印直角三角形，等边三角形，菱形，正方形的代码,需要的朋友可以参考下2017-11-11
最新评论