dask.dataframe.DataFrame.resample
dask.dataframe.DataFrame.resample¶
- DataFrame.resample(rule, closed=None, label=None)¶
重采样时间序列数据。
此文档字符串是从 pandas.core.frame.DataFrame.resample 复制而来的。
Dask 版本可能存在一些不一致性。
用于时间序列的频率转换和重采样的便捷方法。对象必须具有类似日期时间的索引（DatetimeIndex、PeriodIndex 或 TimedeltaIndex），或者调用者必须将类似日期时间的序列/索引的标签传递给
on/level关键字参数。- 参数
- 规则DateOffset, Timedelta 或 str
表示目标转换的偏移字符串或对象。
- 轴{0 或 ‘index’, 1 或 ‘columns’}, 默认 0 (在 Dask 中不支持)
用于上采样或下采样的轴。对于 Series，此参数未使用并默认为 0。必须是 DatetimeIndex、TimedeltaIndex 或 PeriodIndex。
2.0.0 版后已移除: 使用 frame.T.resample(…) 代替。
- 关闭{‘right’, ‘left’}, 默认 None
二进制区间的哪一侧是闭合的。默认值为 ‘left’，但对于 ‘ME’、’YE’、’QE’、’BME’、’BA’、’BQE’ 和 ‘W’ 这些频率偏移，默认值为 ‘right’。
- 标签{‘right’, ‘left’}, 默认 None
使用哪个边缘标签来标记桶。默认值为 ‘left’，适用于所有频率偏移，除了 ‘ME’、’YE’、’QE’、’BME’、’BA’、’BQE’ 和 ‘W’，这些的默认值为 ‘right’。
- 约定{‘start’, ‘end’, ‘s’, ‘e’}，默认值为 ‘start’ （Dask 中不支持）
仅对于 PeriodIndex，控制是否使用 rule 的开始或结束。
2.2.0 版后已移除: 在重采样之前，先将 PeriodIndex 转换为 DatetimeIndex。
- 种类{‘timestamp’, ‘period’}, 可选, 默认 None (Dask 中不支持)
传递 ‘timestamp’ 将结果索引转换为 DateTimeIndex，或传递 ‘period’ 将其转换为 PeriodIndex。默认情况下保留输入表示形式。
2.2.0 版后已移除: 显式地将索引转换为所需类型。
- 开str, 可选 (Dask 中不支持)
对于 DataFrame，用于重采样的列，而不是索引。列必须是类日期时间类型。
- 级别str 或 int, 可选 (Dask 中不支持)
对于 MultiIndex，用于重采样的级别（名称或编号）。level 必须是类日期时间类型。
- 起源Timestamp 或 str，默认 ‘start_day’ （Dask 中不支持）
用于调整分组的时间戳。原时区必须与索引时区匹配。如果是字符串，必须是以下之一：
‘epoch’: origin 是 1970-01-01
‘start’: origin 是时间序列的第一个值
‘start_day’: origin 是时间序列在午夜的第一天
‘end’: origin 是时间序列的最后一个值
‘end_day’: origin 是最后一天的午夜上限
1.3.0 新版功能.
备注
仅对Tick频率（即固定频率，如天、小时和分钟，而不是月或季度）生效。
- 偏移量Timedelta 或 str, 默认是 None (Dask 中不支持)
添加到原点的偏移时间增量。
- group_keysbool, 默认 False (Dask 中不支持)
在使用
.apply()对重采样对象进行操作时，是否在结果索引中包含组键。1.5.0 新版功能: 不指定
group_keys将保留来自 pandas 1.4 及更早版本的值依赖行为（参见 pandas 1.5.0 发布说明 中的示例）。在 2.0.0 版更改:
group_keys现在默认为False。
- 返回
- pandas.api.typing.Resampler
Resampler对象。
参见
Series.resample重采样一个序列。
DataFrame.resample重采样一个 DataFrame。
groupby通过映射、函数、标签或标签列表对 Series/DataFrame 进行分组。
asfreq使用给定的频率对 Series/DataFrame 进行重新索引，而不进行分组。
注释
更多信息请参见 用户指南。
要了解更多关于偏移字符串的信息，请参见 此链接。
示例
首先创建一个包含9个一分钟时间戳的系列。
>>> index = pd.date_range('1/1/2000', periods=9, freq='min') >>> 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: min, dtype: int64
将序列降采样到3分钟的时间箱，并将落入同一时间箱的时间戳的值求和。
>>> series.resample('3min').sum() 2000-01-01 00:00:00 3 2000-01-01 00:03:00 12 2000-01-01 00:06:00 21 Freq: 3min, dtype: int64
将序列按上述方法降采样为3分钟的时间箱，但使用右边缘来标记每个时间箱。请注意，用作标签的时间箱中的值不包含在该时间箱中，它所标记的时间箱中。例如，在原始序列中，时间箱
2000-01-01 00:03:00包含值3，但重新采样后标记为2000-01-01 00:03:00的时间箱的总和值不包括3（如果包括，总和值将是6，而不是3）。>>> series.resample('3min', 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: 3min, dtype: int64
要包含此值，请关闭二进制区间的右侧，如下所示。
>>> series.resample('3min', 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: 3min, dtype: int64
将序列上采样到30秒的区间。
>>> series.resample('30s').asfreq()[0:5] # Select first 5 rows 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
将序列上采样到30秒的区间，并使用``ffill``方法填充``NaN``值。
>>> series.resample('30s').ffill()[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
将序列上采样到30秒的区间，并使用``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传递自定义函数>>> def custom_resampler(arraylike): ... return np.sum(arraylike) + 5 ... >>> series.resample('3min').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: 3min, dtype: int64
对于 DataFrame 对象，可以使用关键字 on 来指定列而不是索引进行重采样。
>>> d = {'price': [10, 11, 9, 13, 14, 18, 17, 19], ... 'volume': [50, 60, 40, 100, 50, 100, 40, 50]} >>> df = pd.DataFrame(d) >>> df['week_starting'] = pd.date_range('01/01/2018', ... periods=8, ... freq='W') >>> df price volume week_starting 0 10 50 2018-01-07 1 11 60 2018-01-14 2 9 40 2018-01-21 3 13 100 2018-01-28 4 14 50 2018-02-04 5 18 100 2018-02-11 6 17 40 2018-02-18 7 19 50 2018-02-25 >>> df.resample('ME', on='week_starting').mean() price volume week_starting 2018-01-31 10.75 62.5 2018-02-28 17.00 60.0
对于具有 MultiIndex 的 DataFrame，可以使用关键字 level 来指定重采样需要在哪个级别进行。
>>> days = pd.date_range('1/1/2000', periods=4, freq='D') >>> d2 = {'price': [10, 11, 9, 13, 14, 18, 17, 19], ... 'volume': [50, 60, 40, 100, 50, 100, 40, 50]} >>> df2 = pd.DataFrame( ... d2, ... index=pd.MultiIndex.from_product( ... [days, ['morning', 'afternoon']] ... ) ... ) >>> df2 price volume 2000-01-01 morning 10 50 afternoon 11 60 2000-01-02 morning 9 40 afternoon 13 100 2000-01-03 morning 14 50 afternoon 18 100 2000-01-04 morning 17 40 afternoon 19 50 >>> df2.resample('D', level=0).sum() price volume 2000-01-01 21 110 2000-01-02 22 140 2000-01-03 32 150 2000-01-04 36 90
如果你想根据一个固定的时间戳调整分箱的起始点：
>>> start, end = '2000-10-01 23:30:00', '2000-10-02 00:30:00' >>> rng = pd.date_range(start, end, freq='7min') >>> ts = pd.Series(np.arange(len(rng)) * 3, index=rng) >>> ts 2000-10-01 23:30:00 0 2000-10-01 23:37:00 3 2000-10-01 23:44:00 6 2000-10-01 23:51:00 9 2000-10-01 23:58:00 12 2000-10-02 00:05:00 15 2000-10-02 00:12:00 18 2000-10-02 00:19:00 21 2000-10-02 00:26:00 24 Freq: 7min, dtype: int64
>>> ts.resample('17min').sum() 2000-10-01 23:14:00 0 2000-10-01 23:31:00 9 2000-10-01 23:48:00 21 2000-10-02 00:05:00 54 2000-10-02 00:22:00 24 Freq: 17min, dtype: int64
>>> ts.resample('17min', origin='epoch').sum() 2000-10-01 23:18:00 0 2000-10-01 23:35:00 18 2000-10-01 23:52:00 27 2000-10-02 00:09:00 39 2000-10-02 00:26:00 24 Freq: 17min, dtype: int64
>>> ts.resample('17min', origin='2000-01-01').sum() 2000-10-01 23:24:00 3 2000-10-01 23:41:00 15 2000-10-01 23:58:00 45 2000-10-02 00:15:00 45 Freq: 17min, dtype: int64
如果你想用 offset Timedelta 调整分箱的开始，以下两行是等效的：
>>> ts.resample('17min', origin='start').sum() 2000-10-01 23:30:00 9 2000-10-01 23:47:00 21 2000-10-02 00:04:00 54 2000-10-02 00:21:00 24 Freq: 17min, dtype: int64
>>> ts.resample('17min', offset='23h30min').sum() 2000-10-01 23:30:00 9 2000-10-01 23:47:00 21 2000-10-02 00:04:00 54 2000-10-02 00:21:00 24 Freq: 17min, dtype: int64
如果你想以最大的时间戳作为分箱的结束：
>>> ts.resample('17min', origin='end').sum() 2000-10-01 23:35:00 0 2000-10-01 23:52:00 18 2000-10-02 00:09:00 27 2000-10-02 00:26:00 63 Freq: 17min, dtype: int64
与 start_day 相反，你可以使用 end_day 来将最大的时间戳的午夜作为区间的结束，并删除不包含数据的区间：
>>> ts.resample('17min', origin='end_day').sum() 2000-10-01 23:38:00 3 2000-10-01 23:55:00 15 2000-10-02 00:12:00 45 2000-10-02 00:29:00 45 Freq: 17min, dtype: int64