函数原型

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)

比较关键的是rule,closed,label下面会随着两个用法说明

降采样

对时间数据细粒度增大，可以把每天的数据聚合成一周，可以求和或者均值的方式进行聚合

下面给出列子

times=pd.date_range('20180101',periods=30)ts=pd.Series(np.arange(1,31),index=times)ts2018-01-01 12018-01-02 22018-01-03 32018-01-04 42018-01-05 52018-01-06 62018-01-07 72018-01-08 82018-01-09 92018-01-10 102018-01-11 112018-01-12 122018-01-13 132018-01-14 142018-01-15 152018-01-16 162018-01-17 172018-01-18 182018-01-19 192018-01-20 202018-01-21 212018-01-22 222018-01-23 232018-01-24 242018-01-25 252018-01-26 262018-01-27 272018-01-28 282018-01-29 292018-01-30 30Freq: D, dtype: int32ts_7d=ts.resample('7D').sum()ts_7d2018-01-01 282018-01-08 772018-01-15 1262018-01-22 1752018-01-29 59dtype: int32

我们看看上面代码，就是先给出一个1-30号的series，l然后聚合成左闭右开的5个区间[1,8)，[8,15)，[15,22)，[22-29)，[29-5(下个月))，每个区间的值就为单个区间值之和。由于29号往后只有29号和30号有值，所以只有两个值

下面我们看看label和closed的功能

ts_7d=ts.resample('7D',closed='right',label='left').sum()ts_7dOut[14]:2017-12-25 12018-01-01 352018-01-08 842018-01-15 1332018-01-22 1822018-01-29 30

上面的代码，将closed改为了right，区间就变成了左开右闭，那么如果从区间还是(1,8]，1就取不到，所以往前取，就是(25,1],(1,8],(8,15],(15,22],(22,29],(29,5]这6个区间

ts_7d=ts.resample('7D',closed='right',label='right').sum()ts_7dOut[15]:2018-01-01 12018-01-08 352018-01-15 842018-01-22 1332018-01-29 1822018-02-05 30dtype: int32

上面的代码就可以看出label=right就是指label等于右区间的值，如果label=left就是指label等于左区间的值

重采样

降低时间的细粒度，对于重采样，主要是涉及到值的填充。有下面的三种填充方法

不填充。那么对应无值的地方，用NaN代替。对应的方法是asfreq。

用前值填充。用前面的值填充无值的地方。对应的方法是ffill或者pad。

用后值填充。对应的方法是bfill，b代表back。

下面给出代码看一下

ts_7h_asfreq = ts.resample('7H').asfreq()print(ts_7h_asfreq)ts_7h_ffill = ts.resample('7H').ffill()print(ts_7h_ffill)ts_7h_bfill = ts.resample('7H').bfill()ts_7h_bfill2018-01-01 00:00:00 1.02018-01-01 07:00:00 NaN2018-01-01 14:00:00 NaN2018-01-01 21:00:00 NaNFreq: 7H, dtype: float642018-01-01 00:00:00 12018-01-01 07:00:00 12018-01-01 14:00:00 12018-01-01 21:00:00 1Freq: 7H, dtype: int32Out[24]:2018-01-01 00:00:00 12018-01-01 07:00:00 22018-01-01 14:00:00 22018-01-01 21:00:00 2Freq: 7H, dtype: int32

总结

重采样和降采样一般用在时间序列里面，合理的使用降低时间维度或者降低时间细粒度多可以成为好的特征。

以上这篇python中resample函数实现重采样和降采样代码就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。