Pandas数据分析24——pandas时间重采样聚合

 参考书目：《深入浅出Pandas：利用Python进行数据处理与分析》

pandas对数据可以进行频率的更改，比如将每五分钟的数据改为每分钟的数据，或者将高频的小时数据改为日期数据，都很方便。主要依赖resample()方法。

还是先导入包

import numpy as np 
import pandas as pd
import datetime

时间格式化

#解析时间
pd.Timestamp('now').strftime('%Y年%m月%d日')
pd.to_datetime('2022*11*12',format='%Y*%m*%d')

​

时间重采样

#resample() 是一个基于时间的分组依据，后面是每个分组的聚合方法。

rng = pd.date_range('1/1/2012', periods=1000, freq='S')
ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
ts

原始数据是一秒钟一条

 # 每5分钟进行一次聚合

ts.resample('5Min').sum()

 #重采样功能非常灵活，可以指定许多不同的参数来控制频率转换和重采样操作。
#通过分派可用的任何函数（类似于 grouby）都可以作为返回对象的方法，包括 sum，mean，std，sem，max，min，mid，median，first，last，ohlc：

ts.resample('5Min').mean() # 平均
ts.resample('5Min').max() # 最大值

ohlc美国线

 #ohlc类似股票的K线，蜡烛图，能展示这个区间的开始值，最高值，最低值，收盘值

ts.resample('5Min').ohlc()

 #开闭区间指定

#对于采样，可以将 closed 设置为“ left”或“ right”，以指定关闭区间的哪一端：
ts.resample('5Min', closed='right').mean()
ts.resample('5Min', closed='left').mean()

pandas的resample重采样的使用

pdf 0星 超过10%的资源 49KB

下载

上采样

#把数据扩充到更高的时间频率

 #对于上采样，您可以指定一种上采样的方法，并指定 limit 参数以对创建的间隙进行插值：

# 从每秒到每250毫秒
ts.resample('250L').asfreq()

 填充

ts.resample('250L').ffill()
ts.resample('250L').bfill(limit=2)

重采样聚合

 #类似于 aggregating API, groupby API, 和窗口方法 api, Resampler 也适用相关方法。重新采样DataFrame时，默认值是对具有相同功能的所有列进行操作：

df = pd.DataFrame(np.random.randn(1000, 3),index=pd.date_range('1/1/2012', freq='S', periods=1000),columns=['A', 'B', 'C'])
r = df.resample('3T')
r.mean()

 选取部分列

r['A'].mean()
r[['A', 'B']].mean()

pandas的resample重采样的使用

pdf 0星 超过10%的资源 44KB

下载

 #多个聚合方式：

#多个聚合方式：
r['A'].agg([np.sum, np.mean, np.std])
r.agg([np.sum, np.mean]) # 每个列
# 不同的聚合方式
r.agg({'A': np.sum,
       'B': lambda x: np.std(x, ddof=1)})
# 用字符指定
r.agg({'A': 'sum', 'B': 'std'})
r.agg({'A': ['sum', 'std'], 'B': ['mean', 'std']})

#如果索引不是时间，可以指定采样的时间列：

# date 是一个普通列
df.resample('M', on='date').sum()
df.resample('M', level='d').sum() # 多层索引

时间类型间转化

 #本文介绍不同时间概念之间的相互转换。带时间戳的数据可以使用 to_period 转换为PeriodIndex-ed 数据，反之亦然可以使用 to_timestamp 转换为 PeriodIndex-ed 数据。

rng = pd.date_range('1/1/2012', periods=5, freq='M')
ts = pd.Series(np.random.randn(len(rng)), index=rng)
ts

ps = ts.to_period()
ps

ps.to_timestamp()