Python resample()：对时间序列进行重采样（附带实例）

在 Pandas 中，对时间序列的频率进行调整称为重采样，即将时间序列从一个频率转换到另一个频率的处理过程。

例如，从每天转换为每 5 天，如下图所示：


重采样主要使用 resample() 方法，该方法用于对常规时间序列进行重新采样和频率转换，包括降采样和升采样两种：

• 降采样是指周期由高频率转向低频率。例如，将5分钟股票交易数据转换为日交易数据，将按天统计的销售数据转换为按周统计的销售数据等。
• 升采样是指周期由低频率转向高频率，例如，原来是按周统计的数据，现在变成按天统计。

resample() 方法的语法格式如下：

Series.resample(rule, closed=None, label=None, convention='start', kind=None, on=None, level=None, origin='start_day', offset=None, group_keys=False)

参数说明见下表：

参数名称	描述
rule	字符串，表示目标时间序列或对象转换。
closed	降采样时的时间区间，其值为“right”或“left”，“right”表示左开右闭（即左边值不包括在内），“left”表示左闭右开（即右边值不包括在内），默认值为 None。
label	指明降采样时如何设置聚合值的标签，例如 10:30-10:35 会被标记成 10:30 还是 10:35，默认值为 None。
convention	重采样时，将低频率转换到高频率时所采用的约定，其值为“start”或“end”，默认值为“start”。
kind	聚合到时期（period）或时间戳（timestamp），默认聚合到时间序列的索引类型，默认值为 None。
on	字符串，可选参数，默认值为 None。对DataFrame 对象使用列代替索引进行重采样。列必须与日期时间类似。
level	字符串或整型，可选参数，默认值为 None。用于多索引，表示重采样的级别名称或级别编号，级别必须与日期时间类似。
origin	要调整分组的时间戳，默认值为 start_day，起始时区必须与索引所在的时区匹配。参数值介绍如下： epoch：原点是 1970-01-01。 start：时间序列的第一个值。 start_day：原点是时间序列第一天的午夜。 end：时间序列的最后一个值。 end_day：原点是时间序列最后一天的午夜。
offset	聚合标签的时间校正值，默认值为 None。例如，“-1s”或“Second（-1）”用于将聚合标签调早 1 秒。
group_keys	布尔值，默认值为 False，指明当对重采样的对象使用 apply 方法时，结果索引中是否包含组键。
返回值	重采样对象。

DataFrame 对象也有 resample() 方法，用法与 Series 对象的 resample() 方法一样。

【实例】将 1 分钟的时间序列转换为 3 分钟的时间序列。首先创建一个包含 9 个 1 分钟的时间序列，然后使用 resample() 方法转换为 3 分钟的时间序列并进行求和计算，如下图所示。


程序代码如下：

# 导入pandas模块
import pandas as pd

# 生成时间
index = pd.date_range(start='02/02/2024', periods=9, freq='T')

# 创建时间数据
series = pd.Series(range(9), index=index)
print(series)

# 转换为3分钟的时间序列并进行求和计算
print(series.resample('3T').sum())