Python pandas，时间序列，重采样 resample()，根据不同时间序列频率进行统计

重采样：指的是将时间序列从一个频率转化为另一个频率进行处理的过程，将高频率数据转化为低频率数据为降采样，低频率转化为高频率为升采样

demo.py（重采用，resample()，根据不同时间频率进行采样(分组)然后再聚合统计）：

# coding=utf-8
import numpy as np
import pandas as pd


date_index = pd.date_range(start="20190101", periods=100, freq="D")
# 将时间序列作为索引构建DataFrame
df = pd.DataFrame(np.random.uniform(10, 50,(100,1)), index=date_index)
print(df)
'''
                    0
2019-01-01  23.480251
2019-01-02  37.804496
2019-01-03  45.707225
2019-01-04  33.236095
...               ...
2019-04-07  24.725458
2019-04-08  37.328022
2019-04-09  27.507839
2019-04-10  44.131724
'''

# resample()重采样 (根据指定时间频率进行(分组)统计)
df2 = df.resample("M")  # "M"表示每月最后一天
print(df2)  # DatetimeIndexResampler [freq=<MonthEnd>, axis=0, closed=right, label=right, convention=start, base=0]
print(df2.mean())  # mean()表示求均值
'''
                    0
2019-01-31  28.166975
2019-02-28  27.531518
2019-03-31  29.147531
2019-04-30  36.036054
'''
print(df.resample("10D").mean())  # resample()重采样  "10D"表示10天
'''
                    0
2019-01-01  26.968151
2019-01-11  28.782230
2019-01-21  30.097632
2019-01-31  22.845797
2019-02-10  32.542558
2019-02-20  26.453604
2019-03-02  32.793139
2019-03-12  26.577123
2019-03-22  27.702987
2019-04-01  36.036054
'''