Pandas中resample方法详解

### Pandas中resample方法详解 #### 一、概述 `resample` 是 Pandas 库中用于处理时间序列数据的重要方法之一。该方法能够帮助我们实现时间序列数据的重新采样与频率转换，这对于数据分析而言极为关键。通过 `resample` 方法，我们可以将不规则时间间隔的数据转换为规则时间间隔的数据，或者改变数据的时间分辨率。 #### 二、方法格式与参数详解 `resample` 方法的基本格式如下： ```python DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention='start', kind=None, loffset=None, limit=None, base=0) ``` ##### 参数说明： 1. **rule**：重采样的频率规则。例如 `'M'` 表示每月频率，`'5min'` 表示每五分钟一次，`Second(15)` 表示每15秒一次。 2. **how**：聚合操作的方法，默认为 `'mean'`。可以是如 `'mean'`、`'ohlc'`（open-high-low-close）、`np.max` 等任何合法的聚合函数。 3. **axis**：指定操作的轴，默认为 0，即按行操作；若为 1，则按列操作。 4. **fill_method**：升采样时的填充方法，默认为 `None`。常用的方法包括 `'ffill'`（前向填充）和 `'bfill'`（后向填充）。 5. **closed**：在降采样时，指定时间间隔的闭合端，默认为 `'right'`。可以选择 `'left'` 或 `'right'` 来确定区间闭合端。 6. **label**：在降采样时，聚合值的标签，默认为 `'right'`。可以选择 `'left'` 或 `'right'` 来决定使用区间的左端还是右端作为标签。 7. **loffset**：标签偏移量，如 `'1s'` 或 `Second(-1)` 可以用于调整聚合标签的时间位置。 8. **limit**：向前或向后填充的最大周期数，默认为 `None`。 9. **kind**：聚合后的索引类型，默认为 `None`，即保持原样。可选 `'period'`（周期）或 `'timestamp'`（时间戳）。 10. **convention**：当从低频转换到高频时，指定使用的约定，默认为 `'end'`。可以选择 `'start'` 或 `'end'`。 #### 三、示例解析 下面通过一系列具体的例子来进一步理解 `resample` 方法的应用场景。 **创建一个 Series** ```python import pandas as pd index = pd.date_range('1/1/2000', periods=9, freq='T') # 创建一个时间索引 series = pd.Series(range(9), index=index) # 创建一个 Series 对象 print(series) ``` 输出结果： ``` 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 ``` **降低采样频率到三分钟** ```python result = series.resample('3T').sum() print(result) ``` 输出结果： ``` 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 ``` **降低采样频率到三分钟，标签使用 right 替代 left** ```python result = series.resample('3T', label='right').sum() print(result) ``` 输出结果： ``` 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 ``` **降低采样频率到三分钟，但闭合区间为 right** ```python result = series.resample('3T', label='right', closed='right').sum() print(result) ``` 输出结果： ``` 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 ``` **提高采样频率到 30 秒** ```python result = series.resample('30S').asfreq()[0:5] print(result) ``` 输出结果： ``` 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 ``` **提高采样频率到 30 秒并使用 pad 方法填充 NaN 值** ```python result = series.resample('30S').pad()[0:5] print(result) ``` 输出结果： ``` 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 ``` #### 四、应用场景 1. **时间序列数据清洗**：对于不规则的时间序列数据，可以通过 `resample` 方法将其转换为固定频率的数据，方便后续分析。 2. **数据汇总**：可以利用 `resample` 结合不同的 `how` 参数进行数据汇总，如计算日均值、月均值等。 3. **数据插值**：对于缺失数据，可以通过升采样后填充数据的方式来进行插值处理。 4. **交易数据处理**：金融领域中，股票、期货等交易数据通常采用 `resample` 进行汇总统计，如计算每分钟成交量、最高价、最低价等。 `resample` 方法是 Pandas 处理时间序列数据不可或缺的功能之一，灵活运用它可以极大地提升数据处理效率和分析能力。无论是初学者还是资深开发者，在进行时间序列数据分析时都应该熟练掌握这一方法。