API · Pandas

Pandas DataFrame.resample() 函数

了解 DataFrame.resample() 如何按时间频率对时间序列数据分组并进行聚合。

本页内容

Python Pandas 的 DataFrame.resample() 会按指定频率将带有时间索引的观测值分组到不同区间,以便进行聚合,例如计算每周或每月的总和。

pandas.DataFrame.resample() 的语法

DataFrame 方法使用类似日期时间的索引对行重新采样;也可以通过 on 或 level 选择类似日期时间的列或索引层级。具体签名会因 pandas 版本而异,核心调用形式为 df.resample(rule, ...),其中 rule 指定目标频率。本文未指定 pandas 运行时版本,因此有意省略依赖版本的默认值和参数。

参数

参数 用途
rule 定义目标区间的频率规则。
closed 指定每个区间包含哪一侧的边界。
label 指定用哪个区间边界作为每个结果的标签。
on 选择 DataFrame 中类似日期时间的列,而不是索引,作为分组依据。
level 选择 MultiIndex 中类似日期时间的层级作为分组依据。
origin 和 offset 调整区间的起点;其可接受值和行为取决于 pandas 版本。

返回值

resample() 会返回一个重采样器对象。可以继续调用 .sum() 等聚合方法,生成各区间对应的结果。DataFrame.resample() 用于 DataFrame;下方示例使用的是 Series,因此调用 Series.resample()。本 packet 未执行这些示例,也未提供 pandas 运行时版本或执行证据,所以这里不声称观察到了任何输出。

按周重采样 Series 的示例

这个 Series 包含 2021 年 1 月 1 日至 1 月 30 日每天的一个值。周频规则会将这些每日值分到每周区间,.sum() 则计算每个区间内的总和。示例使用以周日结束的周频规则,因此标签是每周区间结束的周日。输入从周五开始、到周六结束,所以首尾两个区间都只包含部分周的数据。

import pandas as pd

dates = pd.date_range("2021-01-01", periods=30, freq="D")
daily = pd.Series(range(30), index=dates)
weekly_totals = daily.resample("W").sum()
print(weekly_totals)

此代码片段没有作为执行证据运行;它展示了 Series 操作和输入数据,供你据此调整聚合方式。

按月重采样 Series 的示例

同一个每日 Series 也可以按日历月分组并求和。这段代码计算的是输入中 1 月 1 日至 1 月 30 日这些观测值的总和:值从 0 到 29,因此总和为 435。由于输入中没有 1 月 31 日的数据,这并不是完整月份的聚合结果。MonthEnd() 用来表示月末规则,避免依赖其支持情况可能随 pandas 版本变化的频率别名。

import pandas as pd

dates = pd.date_range("2021-01-01", periods=30, freq="D")
daily = pd.Series(range(30), index=dates)
monthly_totals = daily.resample(pd.offsets.MonthEnd()).sum()
print(monthly_totals)

此代码片段没有作为执行证据运行;结果描述依据给定数值,本文不声称输出格式适用于某个特定 pandas 版本。