Pandas中的resample，重新采樣，是對原樣本重新處理的一個方法，是一個對常規時間序列數據重新采樣和頻率轉換的便捷的方法。
方法的格式是：文章源自四五設計網-http://www.wasochina.com/39152.html
1 | DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention='start',kind=None, loffset=None, limit=None, base=0) |
參數詳解是：文章源自四五設計網-http://www.wasochina.com/39152.html
文章源自四五設計網-http://www.wasochina.com/39152.html
| 參數 | 說明 |
|---|---|
| freq | 表示重采樣頻率，例如‘M'、‘5min'，Second(15) |
| how='mean' | 用于產生聚合值的函數名或數組函數，例如‘mean'、‘ohlc'、np.max等，默認是‘mean'，其他常用的值由：‘first'、‘last'、‘median'、‘max'、‘min' |
| axis=0 | 默認是縱軸，橫軸設置axis=1 |
| fill_method = None | 升采樣時如何插值，比如‘ffill'、‘bfill'等 |
| closed = ‘right' | 在降采樣時，各時間段的哪一段是閉合的，‘right'或‘left'，默認‘right' |
| label= ‘right' | 在降采樣時，如何設置聚合值的標簽，例如，9：30-9：35會被標記成9：30還是9：35,默認9：35 |
| loffset = None | 面元標簽的時間校正值，比如‘-1s'或Second(-1)用于將聚合標簽調早1秒 |
| limit=None | 在向前或向后填充時，允許填充的最大時期數 |
| kind = None | 聚合到時期（‘period'）或時間戳（‘timestamp'），默認聚合到時間序列的索引類型 |
| convention = None | 當重采樣時期時，將低頻率轉換到高頻率所采用的約定（start或end）。默認‘end' |
文章源自四五設計網-http://www.wasochina.com/39152.html
首先創建一個Series，采樣頻率為一分鐘。文章源自四五設計網-http://www.wasochina.com/39152.html
1 2 3 4 5 6 7 8 9 10 11 12 13 | >>> index = pd.date_range('1/1/2000', periods=9, freq='T')>>> series = pd.Series(range(9), index=index)>>> series2000-01-01 00:00:00? 02000-01-01 00:01:00? 12000-01-01 00:02:00? 22000-01-01 00:03:00? 32000-01-01 00:04:00? 42000-01-01 00:05:00? 52000-01-01 00:06:00? 62000-01-01 00:07:00? 72000-01-01 00:08:00? 8Freq: T, dtype: int64 |
降低采樣頻率為三分鐘文章源自四五設計網-http://www.wasochina.com/39152.html
1 2 3 4 5 | >>> series.resample('3T').sum()2000-01-01 00:00:00?? 32000-01-01 00:03:00? 122000-01-01 00:06:00? 21Freq: 3T, dtype: int64 |
降低采樣頻率為三分鐘，但是每個標簽使用right來代替left。請注意，bucket中值的用作標簽。文章源自四五設計網-http://www.wasochina.com/39152.html
1 2 3 4 5 | >>> series.resample('3T', label='right').sum()2000-01-01 00:03:00?? 32000-01-01 00:06:00? 122000-01-01 00:09:00? 21Freq: 3T, dtype: int64 |
降低采樣頻率為三分鐘，但是關閉right區間。文章源自四五設計網-http://www.wasochina.com/39152.html
1 2 3 4 5 6 | >>> series.resample('3T', label='right', closed='right').sum()2000-01-01 00:00:00?? 02000-01-01 00:03:00?? 62000-01-01 00:06:00? 152000-01-01 00:09:00? 15Freq: 3T, dtype: int64 |
增加采樣頻率到30秒文章源自四五設計網-http://www.wasochina.com/39152.html
1 2 3 4 5 6 7 | >>> series.resample('30S').asfreq()[0:5] #select first 5 rows2000-01-01 00:00:00?? 02000-01-01 00:00:30? NaN2000-01-01 00:01:00?? 12000-01-01 00:01:30? NaN2000-01-01 00:02:00?? 2Freq: 30S, dtype: float64 |
增加采樣頻率到30S,使用pad方法填充nan值。文章源自四五設計網-http://www.wasochina.com/39152.html
1 2 3 4 5 6 7 | >>> series.resample('30S').pad()[0:5]2000-01-01 00:00:00? 02000-01-01 00:00:30? 02000-01-01 00:01:00? 12000-01-01 00:01:30? 12000-01-01 00:02:00? 2Freq: 30S, dtype: int64 |
增加采樣頻率到30S,使用bfill方法填充nan值。
1 2 3 4 5 6 7 | >>> series.resample('30S').bfill()[0:5]2000-01-01 00:00:00? 02000-01-01 00:00:30? 12000-01-01 00:01:00? 12000-01-01 00:01:30? 22000-01-01 00:02:00? 2Freq: 30S, dtype: int64 |
通過apply運行一個自定義函數
1 2 3 4 5 6 7 | >>> def custom_resampler(array_like):...?? return np.sum(array_like)+5>>> series.resample('3T').apply(custom_resampler)2000-01-01 00:00:00?? 82000-01-01 00:03:00? 172000-01-01 00:06:00? 26Freq: 3T, dtype: int64 |
以上就是本文的全部內容，希望對大家的學習有所幫助。
繼續閱讀
我的微信
微信掃一掃
我的微信
惠生活福利社
微信掃一掃
我的公眾號
評論