Pandas提供了便捷的方式對(duì)時(shí)間序列進(jìn)行重采樣，根據(jù)時(shí)間粒度的變大或者變小分為降采樣和升采樣：

• 降采樣：時(shí)間粒度變大。例如，原來(lái)是按天統(tǒng)計(jì)的數(shù)據(jù)，現(xiàn)在變成按周統(tǒng)計(jì)。降采樣會(huì)涉及到數(shù)據(jù)的聚合，比如天數(shù)據(jù)變成周數(shù)據(jù)，那么就得對(duì)一周的7天數(shù)據(jù)聚合，聚合的方式可以是求和，求均值等等。
• 升采樣：時(shí)間粒度變小。例如，原來(lái)是按周統(tǒng)計(jì)的數(shù)據(jù)，現(xiàn)在變成按天統(tǒng)計(jì)。升采樣會(huì)涉及到數(shù)據(jù)的填充，根據(jù)填充的方法不同填充的數(shù)據(jù)也就不同。

下面涉及的例子，都需要導(dǎo)入numpy和pandas(如下)，并且對(duì)于降采樣數(shù)據(jù)的聚合做簡(jiǎn)單的求和處理。

import numpy as np
import pandas as pd

Pandas重采樣方法resample

在Pandas里，通過resample來(lái)處理重采樣，根據(jù)頻率的不同(freq)會(huì)處理成降采樣或者升采樣。我們先來(lái)看看Resample的定義和關(guān)鍵參數(shù)注釋：

resample(self, 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)
  Convenience method for frequency conversion and resampling of time
  series. Object must have a datetime-like index (DatetimeIndex,
  PeriodIndex, or TimedeltaIndex), or pass datetime-like values
  to the on or level keyword.
  
Parameters
----------
closed : {'right', 'left'}
    Which side of bin interval is closed. The default is ‘left' for all frequency offsets except for ‘M', ‘A', ‘Q', ‘BM', ‘BA', ‘BQ', and ‘W' which all have a default of ‘right'.
label : {'right', 'left'}
    Which bin edge label to label bucket with. The default is ‘left' for all frequency offsets except for ‘M', ‘A', ‘Q', ‘BM', ‘BA', ‘BQ', and ‘W' which all have a default of ‘right'.

第一眼看closed和label這兩個(gè)參數(shù)，會(huì)感覺云里霧里，即使看了例子也可能會(huì)覺得莫名奇妙。下面我們通過具體的降采樣和升采樣例子，來(lái)解讀一下這個(gè)兩個(gè)參數(shù)內(nèi)含的玄機(jī)。

降采樣

首先先來(lái)創(chuàng)建一個(gè)時(shí)間序列，起始日期是2018/01/01，一共12天，每天對(duì)應(yīng)的數(shù)值分別是1到12：

rng = pd.date_range('20180101', periods=12)
ts = pd.Series(np.arange(1,13), index=rng)

print(ts)

#### Outputs ####
2018-01-01   1
2018-01-02   2
2018-01-03   3
2018-01-04   4
2018-01-05   5
2018-01-06   6
2018-01-07   7
2018-01-08   8
2018-01-09   9
2018-01-10  10
2018-01-11  11
2018-01-12  12
Freq: D, dtype: int32

下面使用resample方法來(lái)做降采樣處理，頻率是5天，上面提到的兩個(gè)參數(shù)，都使用默認(rèn)值：

ts_5d = ts.resample('5D').sum()
print(ts_5d)

#### Outputs ####
2018-01-01  15
2018-01-06  40
2018-01-11  23
Freq: 5D, dtype: int32

到這里，我相信不論是代碼還是代碼的結(jié)果都很好理解：無(wú)非就是每5天來(lái)個(gè)求和。在第一部分中，我們列出了closed參數(shù)的注釋，從注釋可知，closed默認(rèn)的值是'left'。那如果把closed的值改為'right'，結(jié)果有是怎么樣的？

ts_5d_rightclosed = ts.resample('5D', closed='right').sum()
print(ts_5d_rightclosed)

#### Outputs ####
2017-12-27   1
2018-01-01  20
2018-01-06  45
2018-01-11  12
Freq: 5D, dtype: int32

怎么會(huì)這樣？為什么變成了四個(gè)區(qū)間？closed=right到底做了什么？

別著急，我們來(lái)一步一步看看，這其中發(fā)生了什么事情。原始的時(shí)間序列是從18年1月1號(hào)到1月12號(hào)，一共12天。以5天為單位降采樣處理后，變成了三個(gè)5天，分別是：

• 第一個(gè)5天：1-2-3-4-5-6
• 第二個(gè)5天：6-7-8-9-10-11
• 第三個(gè)5天：12-13-14-15-16

實(shí)際上，這三個(gè)5天就是三個(gè)區(qū)間了。和數(shù)學(xué)里區(qū)間的概念一樣，區(qū)間有開和閉的概念。在resample中，區(qū)間的開和閉，就是通過closed這個(gè)參數(shù)來(lái)控制。用數(shù)學(xué)符號(hào)表示的話:

closed = 'left' 左閉右開

上面的三個(gè)5天可以由以下的三個(gè)左閉右開的區(qū)間構(gòu)成：

• 區(qū)間1：[1, 6)
• 區(qū)間2: [6, 11)
• 區(qū)間3：[11, 16) 例子中，時(shí)間只到12號(hào)為止，但是這里會(huì)往后補(bǔ)足5天

現(xiàn)在，在這三個(gè)區(qū)間上做數(shù)據(jù)聚合也就很好理解了。對(duì)于區(qū)間1進(jìn)行求和，也就是12、13、14、15、16這5天的值求和即可。區(qū)間2和區(qū)間3也是同理。所以下面的代碼就很好理解了：

ts_5d_leftclosed = ts.resample('5D', closed='right').sum()
print(ts_5d_leftclosed)

#### Outputs ####
2018-01-01  15
2018-01-06  40
2018-01-11  23
Freq: 5D, dtype: int32

closed = 'right' 左開右閉

上面的三個(gè)5天可以由以下的四個(gè)左開右閉的區(qū)間構(gòu)成。注意，由于第一個(gè)5天是從1號(hào)到6號(hào)，但由于是左開區(qū)間，1號(hào)就落不到1到6號(hào)的那個(gè)區(qū)間，所以要往前補(bǔ)足：

• 區(qū)間1：(27, 1]
• 區(qū)間2：(1, 6]
• 區(qū)間3: (6, 11]
• 區(qū)間4：(11, 16]

現(xiàn)在，在這四個(gè)區(qū)間上做數(shù)據(jù)聚合也是一樣的道理了：對(duì)于區(qū)間1，是對(duì)28，29，30，31，1這五天的值求和（這里只有1號(hào)是有值的），其余的區(qū)間也是同理，但需要注意是左開右閉。所以到這里，上面“莫名其妙”的代碼和結(jié)果就好理解了。復(fù)制代碼和結(jié)果如下：

ts_5d_rightclosed = ts.resample('5D', closed='right').sum()
print(ts_5d_rightclosed)

#### Outputs ####
2017-12-27   1
2018-01-01  20
2018-01-06  45
2018-01-11  12
Freq: 5D, dtype: int32

理解了clsoed的意義以后，再來(lái)理解label就so easy了。由注釋可知，label的默認(rèn)值是left。下面在closed='right'的基礎(chǔ)上，將label設(shè)置為right：

ts_5d_rightclosed_rightlable = ts.resample('5D', closed='right', label='right').sum()
print(ts_5d_rightclosed_rightlable)

#### Outputs ####
2018-01-01   1
2018-01-06  20
2018-01-11  45
2018-01-16  12
Freq: 5D, dtype: int32

于label為left相比，二者結(jié)果的異同點(diǎn)如下：

• 相同點(diǎn)：一樣是四個(gè)區(qū)間，每個(gè)區(qū)間的聚合的值是一樣的
• 不同點(diǎn)：每個(gè)區(qū)間的索引不同

不難發(fā)現(xiàn)，label為left的時(shí)候，就以區(qū)間左邊的那個(gè)日期作為索引；label，就以區(qū)間的右邊那個(gè)日期作為索引。

綜上，我們可以總結(jié)一下closed和label的用法和意義了：

• closed：劃分區(qū)間的依據(jù)，left會(huì)劃成左閉右開區(qū)間；right會(huì)劃分成左開右閉的區(qū)間。一般來(lái)說，closed為right的時(shí)候，區(qū)間會(huì)比為left的時(shí)候多一個(gè)。區(qū)間劃分完畢，聚合運(yùn)算就在這個(gè)區(qū)間內(nèi)執(zhí)行。
• label：劃分區(qū)間完畢，根據(jù)label的不同，區(qū)間的索引就不同。如果label為left，則區(qū)間左邊的日期作為索引；如果label為right，則區(qū)間右邊的日期作為索引。

升采樣

創(chuàng)建一個(gè)時(shí)間序列，起始日期是2018/01/01，一共2天，每天對(duì)應(yīng)的數(shù)值分別是1到2:

rng = pd.date_range('20180101', periods=2)
ts = pd.Series(np.arange(1,2), index=rng)

print(ts)

#### Outputs ####
2018-01-01  1
2018-01-02  2
Freq: D, dtype: int32

升采樣就不涉及到closed和label的值，也就是會(huì)忽略(筒子們可以驗(yàn)證一下)，所以我們?cè)谑褂玫臅r(shí)候無(wú)需設(shè)置這兩個(gè)值。對(duì)于升采樣，前面也提到，主要是涉及到值的填充。有下面的四種填充方法（實(shí)際是三種）：

• 不填充。那么對(duì)應(yīng)無(wú)值的地方，用NaN代替。對(duì)應(yīng)的方法是asfreq。
• 用前值填充。用前面的值填充無(wú)值的地方。對(duì)應(yīng)的方法是ffill或者pad。這里方便記憶，ffill的第一個(gè)f是代表forward，向前的意思
• 用后值填充。對(duì)應(yīng)的方法是bfill，b代表back。

下面是一個(gè)例子：

ts_6h_asfreq = ts.resample('6H').asfreq()
print(ts_6h_asfreq)

ts_6h_pad = ts.resample('6H').pad()
print(ts_6h_pad)

ts_6h_ffill = ts.resample('6H').ffill()
print(ts_6h_ffill)

ts_6h_bfill = ts.resample('6H').bfill()
print(ts_6h_bfill)

#### Outputs ####
2018-01-01 00:00:00  1.0
2018-01-01 06:00:00  NaN
2018-01-01 12:00:00  NaN
2018-01-01 18:00:00  NaN
2018-01-02 00:00:00  2.0
Freq: 6H, dtype: float64
2018-01-01 00:00:00  1
2018-01-01 06:00:00  1
2018-01-01 12:00:00  1
2018-01-01 18:00:00  1
2018-01-02 00:00:00  2
Freq: 6H, dtype: int32
2018-01-01 00:00:00  1
2018-01-01 06:00:00  1
2018-01-01 12:00:00  1
2018-01-01 18:00:00  1
2018-01-02 00:00:00  2
Freq: 6H, dtype: int32
2018-01-01 00:00:00  1
2018-01-01 06:00:00  2
2018-01-01 12:00:00  2
2018-01-01 18:00:00  2
2018-01-02 00:00:00  2
Freq: 6H, dtype: int32

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論