重采样#

pandas.api.typing.Resampler 实例由重采样调用返回:pandas.DataFrame.resample()pandas.Series.resample()

索引,迭代#

Resampler.__iter__()

Groupby 迭代器。

Resampler.groups

字典 {组名 -> 组标签}。

Resampler.indices

字典 {组名 -> 组索引}。

Resampler.get_group(名称)

从具有提供名称的组构造 DataFrame。

函数应用#

Resampler.apply([func])

使用指定轴上的一个或多个操作进行聚合。

Resampler.aggregate([func])

使用指定轴上的一个或多个操作进行聚合。

Resampler.transform(arg, *args, **kwargs)

在每个组上调用生成类似索引的 Series 的函数。

Resampler.pipe(func, *args, **kwargs)

func 及其参数应用于此 Resampler 对象并返回其结果。

上采样#

Resampler.ffill([limit])

向前填充值。

Resampler.bfill([limit])

在重采样数据中向后填充新的缺失值。

Resampler.nearest([limit])

使用最近值进行重采样。

Resampler.asfreq([fill_value])

返回新频率下的值,本质上是一个重新索引。

Resampler.interpolate([method, axis, limit, ...])

根据不同的方法在目标时间戳之间插值。

计算 / 描述性统计#

Resampler.count()

计算组的计数,排除缺失值。

Resampler.nunique()

返回组中唯一元素的数量。

Resampler.first([numeric_only, min_count, ...])

计算每个组内每一列的第一个条目。

Resampler.last([numeric_only, min_count, skipna])

计算每个组内每列的最后一个条目。

Resampler.max([numeric_only, min_count])

计算组的最大值。

Resampler.mean([numeric_only])

计算各组的均值,排除缺失值。

Resampler.median([numeric_only])

计算各组的中位数,排除缺失值。

Resampler.min([numeric_only, min_count])

计算组的最小值。

Resampler.ohlc()

计算一组的开盘、最高、最低和收盘值,排除缺失值。

Resampler.prod([numeric_only, min_count])

计算组值的乘积。

Resampler.size()

计算组大小。

Resampler.sem([ddof, numeric_only])

计算各组均值的标准误差,排除缺失值。

Resampler.std([ddof, numeric_only])

计算组的标准差,排除缺失值。

Resampler.sum([numeric_only, min_count])

计算组值的总和。

Resampler.var([ddof, numeric_only])

计算组的方差,排除缺失值。

Resampler.quantile([q])

返回给定分位数的值。