python中resample函数实现重采样和降采样代码

### Python中的Resample函数：实现时间序列数据的重采样与降采样 在数据分析领域，尤其是处理时间序列数据时，经常会遇到数据采样的问题。数据采样包括两种主要的操作：**重采样**（Upsampling）和**降采样**（Downsampling）。这两种操作在Python的数据分析库Pandas中可以通过`resample`函数轻松实现。 #### 1. `resample`函数概述 `resample`函数是Pandas提供的一个非常强大的工具，它允许用户改变时间序列数据的频率。该函数的主要作用是基于时间规则对数据进行重新采样或汇总，支持多种时间频率的转换，并且提供了丰富的参数选项来满足不同的需求。 #### 2. 函数原型及参数说明 ```python 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) ``` - **rule**: 必需参数，定义了新的时间频率规则，如'7D'表示每7天。 - **how**: 已废弃，用于指定聚合操作的方式，现在使用 agg 或者 apply 方法替代。 - **axis**: 默认为0，表示按行操作。 - **fill_method**: 填充方法，可选的有'pad'/'ffill'、'backfill'/'bfill'等。 - **closed**: 指定区间是左闭右开还是左开右闭，可选值有'left'、'right'、'both'、'neither'。 - **label**: 指定标签是位于区间的左侧还是右侧，可选值有'left'、'right'。 - **convention**: 区间定义的惯例，默认为'start'，也可以选择'end'。 - **kind**: 通常用于指定时间间隔的类型，例如'period'或'timestamp'。 - **loffset**: 用于调整结果的时间偏移量。 - **limit**: 限制填充的连续缺失值的数量。 - **base**: 用于指定采样周期的起始位置。 - **on**: 如果DataFrame中有日期列，则可以指定此参数作为日期来源。 - **level**: 当DataFrame有多层索引时，可以指定这一参数来指定对哪一层进行采样。 #### 3. 降采样示例 降采样是指通过减少数据的频率来简化数据集的过程。例如，可以将每天的数据聚合为每周的数据。 示例代码如下： ```python import pandas as pd import numpy as np # 创建时间序列数据 times = pd.date_range('20180101', periods=30) ts = pd.Series(np.arange(1, 31), index=times) # 将每日数据降采样为每周数据，采用求和方式 ts_7d = ts.resample('7D').sum() print(ts_7d) ``` 在这个例子中，我们首先创建了一个包含30天的数据序列`ts`。然后使用`resample('7D')`方法将这些数据降采样到每周级别，并使用`.sum()`方法计算每周的总和。 **参数`closed`和`label`的作用：** - `closed`: 控制区间的边界是否包含边界值。默认情况下，区间是左闭右开。如果设置为`'right'`，则区间变为左开右闭。 - `label`: 指定每个区间的标签应该使用哪个边界。默认是使用左边界，如果设置为`'right'`，则使用右边界。 示例代码如下： ```python # 设置为左开右闭 ts_7d_closed_right = ts.resample('7D', closed='right', label='left').sum() print(ts_7d_closed_right) # 使用右边界作为标签 ts_7d_label_right = ts.resample('7D', closed='right', label='right').sum() print(ts_7d_label_right) ``` #### 4. 重采样示例 重采样是指增加数据的频率，通常涉及填充缺失值。 示例代码如下： ```python # 不填充缺失值 ts_7h_asfreq = ts.resample('7H').asfreq() print(ts_7h_asfreq) # 前向填充 ts_7h_ffill = ts.resample('7H').ffill() print(ts_7h_ffill) # 后向填充 ts_7h_bfill = ts.resample('7H').bfill() print(ts_7h_bfill) ``` 在这段代码中，我们展示了如何使用不同的填充方法进行重采样。`asfreq`方法会保留原始数据，并在没有数据的位置插入`NaN`值；`ffill`（前向填充）会用前一个有效值填充缺失值；而`bfill`（后向填充）则使用下一个有效值填充缺失值。 #### 总结 通过本文的介绍，我们不仅了解了Pandas中`resample`函数的基本用法及其参数，还通过具体示例深入探讨了降采样和重采样的过程。这些技术在处理时间序列数据时非常有用，可以帮助我们更好地理解和分析数据。在实际应用中，根据具体情况选择合适的参数和方法是非常重要的。