Documentación oficial: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.resample.html
Una breve introducción a la función.
DataFrame.resample( regla , eje=0, cerrado=Ninguno, etiqueta=Ninguno, convención='inicio', tipo=Ninguno, loffset=Ninguno, base=Ninguno, on=Ninguno, nivel=Ninguno, origin='start_day', offset=Ninguno )
Qué hace la función : volver a muestrear datos de series temporales , convertir series temporales de una frecuencia a otra
Escenarios prácticos de aplicación : como muestrear la información de ventas por mes, luego contar las ventas mensuales totales, las ventas máximas en cada mes, etc.,
rule： DateOffset, Timedelta o str
La cadena u objeto de compensación que representa la conversión de destino.
Regla de parámetro : defina una regla de remuestreo, como el muestreo una vez por semana, el muestreo una vez al año, etc.
Los parámetros de la regla son los siguientes:
| parámetro | sentido |
|---|---|
| B | día laboral |
| C | día hábil personalizado (experimental) |
| D | dia del calendario |
| W | semanal |
| METRO | fin de mes |
| BM | fin de mes laboral |
| CBM | fin de mes comercial personalizado |
| SRA | inicio de mes |
| BMS | inicio de mes comercial |
| CBMS | inicio de mes comercial personalizado |
| q | cuarto final |
| BQ | fin de trimestre comercial |
| QS | comienzo del trimestre |
| BQS | comienzo del trimestre comercial |
| A | fin de año |
| licenciado en Letras | fin de año comercial |
| COMO | inicio de año |
| BAJO | inicio de año comercial |
| BH | hora de trabajo |
| H | cada hora |
| T | minuciosamente |
| S | en segundo lugar |
| L | milisegundos |
| tu | microsegundos |
| norte | nanosegundos |
Caso 1: Uso sencillo
Construir datos --> volver a muestrear datos --> operación agregada --> imprimir salida
import pandas as pd
import numpy as np
time_index = pd.date_range('20200101', periods = 12)
ts = pd.Series(np.arange(12), index = time_index) # 构造一个Series对象
print(ts) # 输出原始数据
# 将数据按照5天的频率采样
ts_re = ts.resample('5D') # 获得一个DatetimeIndexResampler 对象
ts_re2 = ts_re.sum() # 进行聚合操作 (求和)
print(ts_re, type(ts_re))
print(ts_re2, type(ts_re2)) #输出采样后的数据
producción:
2020-01-01 0
2020-01-02 1
2020-01-03 2
2020-01-04 3
2020-01-05 4
2020-01-06 5
2020-01-07 6
2020-01-08 7
2020-01-09 8
2020-01-10 9
2020-01-11 10
2020-01-12 11
Freq: D, dtype: int32
DatetimeIndexResampler [freq=<5 * Days>, axis=0, closed=left, label=left, convention=start, base=0]
<class 'pandas.core.resample.DatetimeIndexResampler'>
2020-01-01 10
2020-01-06 35
2020-01-11 21
Freq: 5D, dtype: int32
<class 'pandas.core.series.Series'>
Suplemento: Métodos comunes de agregación
print(ts.resample('5D').mean(),'→ 求平均值\n')
print(ts.resample('5D').max(),'→ 求最大值\n')
print(ts.resample('5D').min(),'→ 求最小值\n')
print(ts.resample('5D').median(),'→ 求中值\n')
print(ts.resample('5D').first(),'→ 返回第一个值\n')
print(ts.resample('5D').last(),'→ 返回最后一个值\n')
print(ts.resample('5D').ohlc(),'→ OHLC重采样\n')
# OHLC:金融领域的时间序列聚合方式 → open开盘、high最大值、low最小值、close收盘
producción:
2020-01-01 2.0
2020-01-06 7.0
2020-01-11 10.5
Freq: 5D, dtype: float64 → 求平均值
2020-01-01 4
2020-01-06 9
2020-01-11 11
Freq: 5D, dtype: int32 → 求最大值
2020-01-01 0
2020-01-06 5
2020-01-11 10
Freq: 5D, dtype: int32 → 求最小值
2020-01-01 2.0
2020-01-06 7.0
2020-01-11 10.5
Freq: 5D, dtype: float64 → 求中值
2020-01-01 0
2020-01-06 5
2020-01-11 10
Freq: 5D, dtype: int32 → 返回第一个值
2020-01-01 4
2020-01-06 9
2020-01-11 11
Freq: 5D, dtype: int32 → 返回最后一个值
open high low close
2020-01-01 0 4 0 4
2020-01-06 5 9 5 9
2020-01-11 10 11 10 11 → OHLC重采样
Caso 2: Serie temporal
Explore los datos de precios de acciones de Apple Inc.
Se recomienda usar jupyter para abrir, paso a paso, puede ver los resultados de ejecución de cada paso
Datos Apple_stock.csv: https://pan.baidu.com/s/1QFdZ595dJcXEFf_CxAz2ig Código de extracción: hdn7
Paso 1 Importa las bibliotecas necesarias
import pandas as pd
import numpy as np
# visualization
import matplotlib.pyplot as plt
%matplotlib inline
Paso 2 Dirección del conjunto de datos
path = 'Apple_stock.csv'
Paso 3 Lea los datos y guárdelos como un marco de datos llamado Apple
apple = pd.read_csv(path)
apple.head()
Salida[320]:
| Fecha | Abierto | Elevado | Bajo | Cerrar | Volumen | cerrar | |
|---|---|---|---|---|---|---|---|
| 0 | 2014-07-08 | 96.27 | 96.80 | 93.92 | 95.35 | 65130000 | 95.35 |
| 1 | 2014-07-07 | 94.14 | 95.99 | 94.10 | 95.97 | 56305400 | 95.97 |
| 2 | 2014-07-03 | 93.67 | 94.10 | 93.20 | 94.03 | 22891800 | 94.03 |
| 3 | 2014-07-02 | 93.87 | 94.06 | 93.09 | 93.48 | 28420900 | 93.48 |
| 4 | 2014-07-01 | 93.52 | 94.07 | 93.13 | 93.52 | 38170200 | 93.52 |
Paso 4 Verifique el tipo de datos de cada columna
En [321]:
apple.dtypes
Fuera[321]:
Date object
Open float64
High float64
Low float64
Close float64
Volume int64
Adj Close float64
dtype: object
Paso 5 Convierta Dateesta columna a datetimetipo
In [322]:
apple.Date = pd.to_datetime(apple.Date)
apple['Date'].head()
Out[322]:
0 2014-07-08
1 2014-07-07
2 2014-07-03
3 2014-07-02
4 2014-07-01
Name: Date, dtype: datetime64[ns]
步骤6 将Date设置为索引
In [323]:
df.set_index('Date',inplace=True)
df.head()
Out[323]:
| Open | High | Low | Close | Volume | Adj Close | |
|---|---|---|---|---|---|---|
| Date | ||||||
| 2014-07-08 | 96.27 | 96.80 | 93.92 | 95.35 | 65130000 | 95.35 |
| 2014-07-07 | 94.14 | 95.99 | 94.10 | 95.97 | 56305400 | 95.97 |
| 2014-07-03 | 93.67 | 94.10 | 93.20 | 94.03 | 22891800 | 94.03 |
| 2014-07-02 | 93.87 | 94.06 | 93.09 | 93.48 | 28420900 | 93.48 |
| 2014-07-01 | 93.52 | 94.07 | 93.13 | 93.52 | 38170200 | 93.52 |
步骤7 有重复的日期吗？
In [324]:
apple.index.is_unique
Out[324]:
True
步骤8 将index设置为升序
df.sort_index(inplace=True)
df.head()
Out[325]:
| Open | High | Low | Close | Volume | Adj Close | |
|---|---|---|---|---|---|---|
| Date | ||||||
| 1980-12-12 | 28.75 | 28.87 | 28.75 | 28.75 | 117258400 | 0.45 |
| 1980-12-15 | 27.38 | 27.38 | 27.25 | 27.25 | 43971200 | 0.42 |
| 1980-12-16 | 25.37 | 25.37 | 25.25 | 25.25 | 26432000 | 0.39 |
| 1980-12-17 | 25.87 | 26.00 | 25.87 | 25.87 | 21610400 | 0.40 |
| 1980-12-18 | 26.63 | 26.75 | 26.63 | 26.63 | 18362400 | 0.41 |
步骤9 找到每个月的最后一个交易日(business day)、并计算各项的平均值
apple_month = df.resample(rule= 'BM').mean() # BM代表最后一个交易日、见 rule参数表
apple_month.head()
Out[326]:
| Open | High | Low | Close | Volume | Adj Close | |
|---|---|---|---|---|---|---|
| Date | ||||||
| 1980-12-31 | 30.481538 | 30.567692 | 30.443077 | 30.443077 | 2.586252e+07 | 0.473077 |
| 1981-01-30 | 31.754762 | 31.826667 | 31.654762 | 31.654762 | 7.249867e+06 | 0.493810 |
| 1981-02-27 | 26.480000 | 26.572105 | 26.407895 | 26.407895 | 4.231832e+06 | 0.411053 |
| 1981-03-31 | 24.937727 | 25.016818 | 24.836364 | 24.836364 | 7.962691e+06 | 0.387727 |
| 1981-04-30 | 27.286667 | 27.368095 | 27.227143 | 27.227143 | 6.392000e+06 | 0.423333 |
步骤10 数据集中最早的日期和最晚的日期相差多少天？
(apple.index.max() - apple.index.min()).days
Out[327]:
12261
步骤11 在数据中一共有多少个月？
In [328]:
apple_months = apple.resample('BM').mean()
len(apple_months.index)
Out[328]:
404
步骤12 按照时间顺序可视化Adj Close值
In [329]:
# makes the plot and assign it to a variable
appl_open = apple['Adj Close'].plot(title = "Apple Stock")
参考链接
https://blog.csdn.net/lys_828/article/details/104661045
https://www.kesci.com/api/notebooks/5c69407b336a0d002c184f46/RenderedContent#%E7%BB%83%E4%B9%A0%E9%A2%98%E7%B4%A2%E5%BC%95