pandas.Panel.resample

Panel.resample(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) [source]

Удобный метод для преобразования частоты и ресемплирования временных рядов. Объект должен иметь индекс типа datetime (DatetimeIndex, PeriodIndex или TimedeltaIndex), или передать значения типа datetime в ключевое слово on или level.

Параметры:

rule : строка строковое или объектное представление смещения, определяющее целевое преобразование axis : целое число, необязательно, по умолчанию 0 closed : {‘right’, ‘left’} Сторона интервала бина, которая закрыта label : {‘right’, ‘left’} К какой грани бина относится метка ведра convention : {‘start’, ‘end’, ‘s’, ‘e’} loffset : timedelta Корректировка меток ресемплированных временных значений base : целое число, по умолчанию 0 Для частот, которые равномерно делят 1 день, «начало» агрегированных интервалов. Например, для частоты ‘5min’, base может принимать значения от 0 до 4. По умолчанию 0 on : строка, необязательно Для DataFrame, столбец, который используется вместо индекса для ресемплирования. Столбец должен быть типа datetime. Введено в версии 0.19.0. level : строка или целое число, необязательно Для MultiIndex, уровень (имя или номер) для использования при ресемплировании. Уровень должен быть типа datetime. Введено в версии 0.19.0. Чтобы узнать больше об строках смещения, пожалуйста, смотрите `ссылку <http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases>`__.

Примеры

Начните с создания серии с 9 отметками времени через минуту.

>>> index = pd.date_range('1/1/2000', periods=9, freq='T')
>>> series = pd.Series(range(9), index=index)
>>> series
2000-01-01 00:00:00    0
2000-01-01 00:01:00    1
2000-01-01 00:02:00    2
2000-01-01 00:03:00    3
2000-01-01 00:04:00    4
2000-01-01 00:05:00    5
2000-01-01 00:06:00    6
2000-01-01 00:07:00    7
2000-01-01 00:08:00    8
Freq: T, dtype: int64

Сгруппируйте серию в бины по 3 минуты и просуммируйте значения отметок времени, попадающих в бины.

>>> series.resample('3T').sum()
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64

Сгруппируйте серию в бины по 3 минуты, как указано выше, но маркируйте каждый бины правой границей вместо левой. Обратите внимание, что значение в ведре, используемое в качестве метки, не входит в ведро, которое оно маркирует. Например, в исходной серии ведро 2000-01-01 00:03:00 содержит значение 3, но суммарное значение в ресемплированном ведре с меткой ``2000-01-01 00:03:00`` не включает 3 (если бы оно включалось, суммарное значение было бы 6, а не 3). Чтобы включить это значение, закройте правую сторону интервала бина, как показано в примере ниже.

>>> series.resample('3T', label='right').sum()
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3T, dtype: int64

Сгруппируйте серию в бины по 3 минуты, как указано выше, но закройте правую сторону интервала бина.

>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15
Freq: 3T, dtype: int64

Увеличьте масштаб серии до 30-секундных бинов.

>>> series.resample('30S').asfreq()[0:5] #select first 5 rows
2000-01-01 00:00:00     0
2000-01-01 00:00:30   NaN
2000-01-01 00:01:00     1
2000-01-01 00:01:30   NaN
2000-01-01 00:02:00     2
Freq: 30S, dtype: float64

Увеличьте масштаб серии до 30-секундных бинов и заполните NaN значения с помощью pad метода.

>>> series.resample('30S').pad()[0:5]
2000-01-01 00:00:00    0
2000-01-01 00:00:30    0
2000-01-01 00:01:00    1
2000-01-01 00:01:30    1
2000-01-01 00:02:00    2
Freq: 30S, dtype: int64

Увеличьте масштаб серии до 30-секундных бинов и заполните NaN значения с помощью bfill метода.

>>> series.resample('30S').bfill()[0:5]
2000-01-01 00:00:00    0
2000-01-01 00:00:30    1
2000-01-01 00:01:00    1
2000-01-01 00:01:30    2
2000-01-01 00:02:00    2
Freq: 30S, dtype: int64

Передайте пользовательскую функцию через apply

>>> def custom_resampler(array_like):
...     return np.sum(array_like)+5

>>> series.resample('3T').apply(custom_resampler)
2000-01-01 00:00:00     8
2000-01-01 00:03:00    17
2000-01-01 00:06:00    26
Freq: 3T, dtype: int64