Pandas中resample方法详解

营销型网站
2023-11-29 11:54:12

Pandas中resample()方法详解

在Pandas中，resample()是一个非常实用的时间序列数据处理方法。它可以将数据按照时间周期进行分组，然后对每个周期内的数据进行聚合操作。本文将对Pandas中的resample()方法进行详细讲解，并且提供一些实例说明。

resample()方法的基本使用

resample()方法可以应用于Series和DataFrame对象，其基本语法如下：

resample(rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention='start', kind=None, loffset=None, limit=None, base=0, on=None, level=None)

其中，rule参数是必须提供的，表示时间周期的间隔。how参数则表示对数据进行聚合操作的函数，它可以是以下几种形式之一：

函数名字符串，例如'mean'、'sum'等
自定义的聚合函数
字典，将要聚合的列名映射到聚合函数

下面的示例展示了如何使用resample()方法将一个时间序列数据按照每天的频率来分组，并计算每一天内的总和：

import pandas as pd
import numpy as np

dates = pd.date_range('20200101', periods=7)
df = pd.DataFrame(np.random.randn(7,4), index=dates, columns=list('ABCD'))

df_resampled = df.resample('D').sum()

print(df)
print(df_resampled)

在上面的示例中，我们首先创建了一个包含7个日期的时间序列，并且使用Numpy随机生成了一个7行4列的数据框。然后，我们使用resample()方法将数据框按照每天的频率进行聚合，并计算每一天内的总和。最后，我们分别打印了原始数据框和聚合后的数据框。

resample()方法的高级用法

除了上述的基本用法，resample()方法还有很多高级用法，熟练掌握这些用法可以让我们更加灵活地处理时间序列数据。下面我们将通过一些示例来讲解这些高级用法。

1. 重采样+向前填充

在一些场景中，时间序列数据可能存在缺失值。我们可以通过resample()方法和ffill()方法来进行缺失值的填充。下面的示例展示了如何把一个月的数据重采样为一天的数据，并且使用向前填充的方式来填充缺失值。

import pandas as pd
import numpy as np

dates = pd.date_range('20200101', periods=31)
df = pd.DataFrame(np.random.randn(31,4), index=dates, columns=list('ABCD'))

df_resampled = df.resample('D').mean().ffill()

print(df.head())
print(df_resampled.head())

在上面的示例中，我们首先创建了一个包含31个日期的时间序列，并且使用Numpy随机生成了一个31行4列的数据框。然后，我们使用resample()方法将数据框重采样为每天的数据，并计算每一天内的均值。最后，我们使用ffill()方法来进行向前填充，使得每一天的数据都和前一天的数据相同。最终，我们分别打印了原始数据框和重采样填充后的数据框。

2. 分组+聚合

除了重采样，resample()方法还可以用于分组和聚合操作，其实质与groupby()方法类似。下面的示例展示了如何将一个包含日期和类别的数据框按照类别分组，并且计算每个类别内的平均值。

import pandas as pd
import numpy as np

dates = pd.date_range('20200101', periods=10)
categories = ['A', 'B', 'C', 'D', 'A', 'B', 'C', 'D', 'A', 'B']
df = pd.DataFrame(np.random.randn(10,2), index=dates, columns=['value', 'category'])
df['category'] = categories

df_grouped = df.groupby('category').resample('M').mean()

print(df)
print(df_grouped)

在上面的示例中，我们首先创建了一个包含10个日期和类别的数据框，并且使用Numpy随机生成了一个10行2列的数据框。然后，我们使用groupby()方法按照类别进行分组，并且使用resample()方法将每个组的数据按照月份进行聚合，并计算每个月的平均值。最后，我们分别打印了原始数据框和分组聚合后的数据框。