1. 时间序列数据重采样概念
将时间序列从一个频率转换为另一个频率的过程，且会有数据的结合的过程
之前涉及到频率的转换只是单纯的改变频率，而并没有改变时间标签所对应的数值信息，比如在获得每天的销售信息时候，想要进行每个月甚至每年的销售汇总时候，就需要使用时间序列重采样
ts.resample('5D').sum():得到一个新的聚合后的Series，聚合方式为求和
freq：重采样频率 → ts.resample('5D').sum()：聚合方法
import pandas as pd
import numpy as np
rng = pd.date_range('20200101', periods = 12)
ts = pd.Series(np.arange(12), index = rng)
print(ts)
ts_re = ts.resample('5D')
ts_re2 = ts.resample('5D').sum()
print(ts_re, type(ts_re))
print(ts_re2, type(ts_re2))
–> 输出的结果为：（如果后面改变频率之后不加方法，就只是一个采样构建器，频率改为5天，要输出的话后面需要接方法）
2020-01-01 0
2020-01-02 1
2020-01-03 2
2020-01-04 3
2020-01-05 4
2020-01-06 5
2020-01-07 6
2020-01-08 7
2020-01-09 8
2020-01-10 9
2020-01-11 10
2020-01-12 11
Freq: D, dtype: int32
DatetimeIndexResampler [freq=<5 * Days>, axis=0, closed=left, label=left, convention=start, base=0]
<class 'pandas.core.resample.DatetimeIndexResampler'>
2020-01-01 10
2020-01-06 35
2020-01-11 21
Freq: 5D, dtype: int32
<class 'pandas.core.series.Series'>
其他的聚合方法
print(ts.resample('5D').mean(),'→ 求平均值\n')
print(ts.resample('5D').max(),'→ 求最大值\n')
print(ts.resample('5D').min(),'→ 求最小值\n')
print(ts.resample('5D').median(),'→ 求中值\n')
print(ts.resample('5D').first(),'→ 返回第一个值\n')
print(ts.resample('5D').last(),'→ 返回最后一个值\n')
print(ts.resample('5D').ohlc(),'→ OHLC重采样\n')
# OHLC:金融领域的时间序列聚合方式 → open开盘、high最大值、low最小值、close收盘
–> 输出的结果为：
2020-01-01 2.0
2020-01-06 7.0
2020-01-11 10.5
Freq: 5D, dtype: float64 → 求平均值
2020-01-01 4
2020-01-06 9
2020-01-11 11
Freq: 5D, dtype: int32 → 求最大值
2020-01-01 0
2020-01-06 5
2020-01-11 10
Freq: 5D, dtype: int32 → 求最小值
2020-01-01 2.0
2020-01-06 7.0
2020-01-11 10.5
Freq: 5D, dtype: float64 → 求中值
2020-01-01 0
2020-01-06 5
2020-01-11 10
Freq: 5D, dtype: int32 → 返回第一个值
2020-01-01 4
2020-01-06 9
2020-01-11 11
Freq: 5D, dtype: int32 → 返回最后一个值
open high low close
2020-01-01 0 4 0 4
2020-01-06 5 9 5 9
2020-01-11 10 11 10 11
2. 降采样
import pandas as pd
import numpy as np
rng = pd.date_range('20200110', periods = 12)
ts = pd.Series(np.arange(1,13), index = rng)
print(ts)
print(ts.resample('5D').sum(),'→ 默认\n')
print(ts.resample('5D', closed = 'left').sum(),'→ left\n')
print(ts.resample('5D', closed = 'right').sum(),'→ right\n')
closed：各时间段哪一端是闭合（即包含）的，默认 左闭右闭
这里values为1-12，按照5D重采样 → [1,2,3,4,5],[6,7,8,9,10],[11,12]
left指定间隔左边为结束 → [1,2,3,4,5],[6,7,8,9,10],[11,12]
right指定间隔右边为结束 → [1],[2,3,4,5,6],[7,8,9,10,11],[12]
输出结果为：（要特别注意当使用参数right时，间隔右边为结束，由于是以5D为频率的，所以第一个数据就是五天前，对应着1-05，然后取值就是1）
2020-01-10 1
2020-01-11 2
2020-01-12 3
2020-01-13 4
2020-01-14 5
2020-01-15 6
2020-01-16 7
2020-01-17 8
2020-01-18 9
2020-01-19 10
2020-01-20 11
2020-01-21 12
Freq: D, dtype: int32
2020-01-10 15
2020-01-15 40
2020-01-20 23
Freq: 5D, dtype: int32 → 默认
2020-01-10 15
2020-01-15 40
2020-01-20 23
Freq: 5D, dtype: int32 → left
2020-01-05 1
2020-01-10 20
2020-01-15 45
2020-01-20 12
Freq: 5D, dtype:
label：聚合值的index，默认为取左，这种才是常见的整合的方式
print(ts.resample('5D', label = 'left').sum(),'→ leftlabel\n')
print(ts.resample('5D', label = 'right').sum(),'→ rightlabel')
输出结果为：（注意和上边的对比）
2020-01-10 15
2020-01-15 40
2020-01-20 23
Freq: 5D, dtype: int32 → leftlabel
2020-01-15 15
2020-01-20 40
2020-01-25 23
Freq: 5D, dtype:
3. 升采样及插值
低频转高频，主要是如何插值
.asfreq()：不做填充，返回Nan
.ffill()：向上填充
.bfill()：向下填充
rng = pd.date_range('2017/1/1 0:0:0', periods = 5, freq = 'H')
ts = pd.DataFrame(np.arange(15).reshape(5,3),
index = rng,
columns = ['a','b','c'])
print(ts)
print(ts.resample('15T').asfreq())
print(ts.resample('15T').ffill())
print(ts.resample('15T').bfill())
输出结果为：（三种方式）
2020-01-01 00:00:00 0 1 2
2020-01-01 01:00:00 3 4 5
2020-01-01 02:00:00 6 7 8
2020-01-01 03:00:00 9 10 11
2020-01-01 04:00:00 12 13 14
a b c
2020-01-01 00:00:00 0.0 1.0 2.0
2020-01-01 00:30:00 NaN NaN NaN
2020-01-01 01:00:00 3.0 4.0 5.0
2020-01-01 01:30:00 NaN NaN NaN
2020-01-01 02:00:00 6.0 7.0 8.0
2020-01-01 02:30:00 NaN NaN NaN
2020-01-01 03:00:00 9.0 10.0 11.0
2020-01-01 03:30:00 NaN NaN NaN
2020-01-01 04:00:00 12.0 13.0 14.0
a b c
2020-01-01 00:00:00 0 1 2
2020-01-01 00:30:00 0 1 2
2020-01-01 01:00:00 3 4 5
2020-01-01 01:30:00 3 4 5
2020-01-01 02:00:00 6 7 8
2020-01-01 02:30:00 6 7 8
2020-01-01 03:00:00 9 10 11
2020-01-01 03:30:00 9 10 11
2020-01-01 04:00:00 12 13 14
a b c
2020-01-01 00:00:00 0 1 2
2020-01-01 00:30:00 3 4 5
2020-01-01 01:00:00 3 4 5
2020-01-01 01:30:00 6 7 8
2020-01-01 02:00:00 6 7 8
2020-01-01 02:30:00 9 10 11
2020-01-01 03:00:00 9 10 11
2020-01-01 03:30:00 12 13 14
2020-01-01 04:00:00 12 13 14
4. 时期重采样 - Period
prng = pd.period_range('2020','2021',freq = 'M')
ts = pd.Series(np.arange(len(prng)), index = prng)
print(ts)
print(ts.resample('Q').sum()) # 降采样
print(ts.resample('15D').ffill()) # 升采样
输出结果为：（第一个是按照季度进行降采样，第二个是按照15D升采样）
2020-01 0
2020-02 1
2020-03 2
2020-04 3
2020-05 4
2020-06 5
2020-07 6
2020-08 7
2020-09 8
2020-10 9
2020-11 10
2020-12 11
2021-01 12
Freq: M, dtype: int32
2020Q1 3
2020Q2 12
2020Q3 21
2020Q4 30
2021Q1 12
Freq: Q-DEC, dtype: int32
2020-01-01 0
2020-01-16 0
2020-01-31 0
2020-02-15 1
2020-03-01 2
2020-03-16 2
2020-03-31 2
2020-04-15 3
2020-04-30 3
2020-05-15 4
2020-05-30 4
2020-06-14 5
2020-06-29 5
2020-07-14 6
2020-07-29 6
2020-08-13 7
2020-08-28 7
2020-09-12 8
2020-09-27 8
2020-10-12 9
2020-10-27 9
2020-11-11 10
2020-11-26 10
2020-12-11 11
2020-12-26 11
2021-01-10 12
2021-01-25 12
Freq: 15D, dtype: