Pandas提供了便捷的方式對時間序列進行重取樣，根據時間粒度的變大或者變小分為降取樣和升取樣：

• 降取樣：時間粒度變大。例如，原來是按天統計的資料，現在變成按周統計。降取樣會涉及到資料的聚合，比如天資料變成周資料，那麼就得對一週的7天資料聚合，聚合的方式可以是求和，求均值等等。
• 升取樣：時間粒度變小。例如，原來是按周統計的資料，現在變成按天統計。升取樣會涉及到資料的填充，根據填充的方法不同填充的資料也就不同。

下面涉及的例子，都需要匯入numpy和pandas(如下)，並且對於降取樣資料的聚合做簡單的求和處理。

import numpy as np
import pandas as pd

Pandas重取樣方法resample

在Pandas裡，通過resample來處理重取樣，根據頻率的不同(freq)會處理成降取樣或者升取樣。我們先來看看Resample的定義和關鍵引數註釋：

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',and ‘W' which all have a default of ‘right'.

第一眼看closed和label這兩個引數，會感覺雲裡霧裡，即使看了例子也可能會覺得莫名奇妙。下面我們通過具體的降取樣和升取樣例子，來解讀一下這個兩個引數內含的玄機。

降取樣

首先先來建立一個時間序列，起始日期是2018/01/01，一共12天，每天對應的數值分別是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方法來做降取樣處理，頻率是5天，上面提到的兩個引數，都使用預設值：

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

到這裡，我相信不論是程式碼還是程式碼的結果都很好理解：無非就是每5天來個求和。在第一部分中，我們列出了closed引數的註釋，從註釋可知，closed預設的值是'left'。那如果把closed的值改為'right'，結果有是怎麼樣的？

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

怎麼會這樣？為什麼變成了四個區間？closed=right到底做了什麼？

彆著急，我們來一步一步看看，這其中發生了什麼事情。原始的時間序列是從18年1月1號到1月12號，一共12天。以5天為單位降取樣處理後，變成了三個5天，分別是：

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

實際上，這三個5天就是三個區間了。和數學裡區間的概念一樣，區間有開和閉的概念。在resample中，區間的開和閉，就是通過closed這個引數來控制。用數學符號表示的話:

closed = 'left' 左閉右開

上面的三個5天可以由以下的三個左閉右開的區間構成：

• 區間1：[1,6)
• 區間2: [6,11)
• 區間3：[11,16) 例子中，時間只到12號為止，但是這裡會往後補足5天

現在，在這三個區間上做資料聚合也就很好理解了。對於區間1進行求和，也就是12、13、14、15、16這5天的值求和即可。區間2和區間3也是同理。所以下面的程式碼就很好理解了：

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5天可以由以下的四個左開右閉的區間構成。注意，由於第一個5天是從1號到6號，但由於是左開區間，1號就落不到1到6號的那個區間，所以要往前補足：

• 區間1：(27,1]
• 區間2：(1,6]
• 區間3: (6,11]
• 區間4：(11,16]

現在，在這四個區間上做資料聚合也是一樣的道理了：對於區間1，是對28，29，30，31，1這五天的值求和（這裡只有1號是有值的），其餘的區間也是同理，但需要注意是左開右閉。所以到這裡，上面“莫名其妙”的程式碼和結果就好理解了。複製程式碼和結果如下：

ts_5d_rightclosed = ts.resample('5D',dtype: int32

理解了clsoed的意義以後，再來理解label就so easy了。由註釋可知，label的預設值是left。下面在closed='right'的基礎上，將label設定為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

於label為left相比，二者結果的異同點如下：

• 相同點：一樣是四個區間，每個區間的聚合的值是一樣的
• 不同點：每個區間的索引不同

不難發現，label為left的時候，就以區間左邊的那個日期作為索引；label，就以區間的右邊那個日期作為索引。

綜上，我們可以總結一下closed和label的用法和意義了：

• closed：劃分區間的依據，left會劃成左閉右開區間；right會劃分成左開右閉的區間。一般來說，closed為right的時候，區間會比為left的時候多一個。區間劃分完畢，聚合運算就在這個區間內執行。
• label：劃分區間完畢，根據label的不同，區間的索引就不同。如果label為left，則區間左邊的日期作為索引；如果label為right，則區間右邊的日期作為索引。

升取樣

建立一個時間序列，起始日期是2018/01/01，一共2天，每天對應的數值分別是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

升取樣就不涉及到closed和label的值，也就是會忽略(筒子們可以驗證一下)，所以我們在使用的時候無需設定這兩個值。對於升取樣，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（實際是三種）：

• 不填充。那麼對應無值的地方，用NaN代替。對應的方法是asfreq。
• 用前值填充。用前面的值填充無值的地方。對應的方法是ffill或者pad。這裡方便記憶，ffill的第一個f是代表forward，向前的意思
• 用後值填充。對應的方法是bfill，b代表back。

下面是一個例子：

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內容，希望對大家的學習有所幫助，也希望大家多多支援我們。