pandas.Series.resample

Series.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 строка или объект смещения, представляющие целевое преобразование axis : целое число, необязательно, по умолчанию 0 closed : {‘right’, ‘left’} Какая сторона интервала ячейки закрыта label : {‘right’, ‘left’} Какую границу ячейки использовать для метки ведра convention : {‘start’, ‘end’, ‘s’, ‘e’} loffset : timedelta Корректирует метки ресемплированных временных меток 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 для использования 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. Для получения дополнительной информации о строках смещения, пожалуйста, см. `эту ссылку <http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases>`__.

Примеры

Начните с создания серии с 9 отметками времени с шагом в одну 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 ведра по 3 минуты и суммируйте значения отметки времени, попадающие в ведро.

>>> 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 ведра по 3 минуты, как указано выше, но используйте правую границу каждого ведра вместо левой. Обратите внимание, что значение в ведре, используемое в качестве метки, не входит в само ведро. 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 включало, суммарное значение было бы 6, а не 3). Чтобы включить это значение, закройте правую границу интервала ведра, 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 ведра по 3 минуты, как указано выше, но закройте правую границу интервала ведра.

>>> 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 частоту выборки серии до 30 секунд.

>>> 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 частоту выборки серии до 30 секунд и заполните NaN значения с помощью метода pad.

>>> 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 частоту выборки серии до 30 секунд и заполните NaN значения с помощью метода bfill.

>>> 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