这篇文章给大家分享的是有关python+pandas如何生成指定日期和重采样的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
为古冶等地区用户提供了全套网页设计制作服务，及古冶网站建设行业解决方案。主营业务为
成都做网站、网站制作、古冶网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
python 日期的范围、频率、重采样以及频率转换
pandas有一整套的标准时间序列频率以及用于重采样、频率推断、生成固定频率日期范围的工具。
生成指定日期范围的范围
pandas.date_range()用于生成指定长度的DatatimeIndex：
1）默认情况下，date_range会按着时间间隔为天的方式生成从给定开始到结束时间的时间戳数组；
2）如果只指定开始或结束时间，还需要periods标定时间长度。
import pandas as pd
pd.date_range('2017-6-20','2017-6-27')DatetimeIndex(['2017-06-20', '2017-06-21', '2017-06-22', '2017-06-23',
'2017-06-24', '2017-06-25', '2017-06-26', '2017-06-27'],
dtype='datetime64[ns]', freq='D')
pd.date_range('2017-6-20 12:59:30','2017-6-27')DatetimeIndex(['2017-06-20 12:59:30', '2017-06-21 12:59:30',
'2017-06-22 12:59:30', '2017-06-23 12:59:30',
'2017-06-24 12:59:30', '2017-06-25 12:59:30',
'2017-06-26 12:59:30'],
dtype='datetime64[ns]', freq='D')
pd.date_range('2017-6-20 12:59:30',periods = 8)DatetimeIndex(['2017-06-20 12:59:30', '2017-06-21 12:59:30',
'2017-06-22 12:59:30', '2017-06-23 12:59:30',
'2017-06-24 12:59:30', '2017-06-25 12:59:30',
'2017-06-26 12:59:30', '2017-06-27 12:59:30'],
dtype='datetime64[ns]', freq='D')
pd.date_range('2017-6-20 12:59:30',periods = 8, normalize = True) DatetimeIndex(['2017-06-20', '2017-06-21', '2017-06-22', '2017-06-23',
'2017-06-24', '2017-06-25', '2017-06-26', '2017-06-27'],
dtype='datetime64[ns]', freq='D')
频率和日期偏移量
pandas中的频率是由一个基础频率（M、H）也可以是（Hour、Minute、h、min等）
pd.date_range('2017-6-27',periods = 7,freq = '1h40min')DatetimeIndex(['2017-06-27 00:00:00', '2017-06-27 01:30:00',
'2017-06-27 03:00:00', '2017-06-27 04:30:00',
'2017-06-27 06:00:00', '2017-06-27 07:30:00',
'2017-06-27 09:00:00'],
dtype='datetime64[ns]', freq='90T')
pd.date_range('2017-6-27',periods = 7,freq = 'M')DatetimeIndex(['2017-06-30', '2017-07-31', '2017-08-31', '2017-09-30',
'2017-10-31', '2017-11-30', '2017-12-31'],
dtype='datetime64[ns]', freq='M')
pd.date_range('2017-6-27',periods = 7,freq = 'd') DatetimeIndex(['2017-06-27', '2017-06-28', '2017-06-29', '2017-06-30',
'2017-07-01', '2017-07-02', '2017-07-03'],
dtype='datetime64[ns]', freq='D')
pd.date_range('2017-6-27',periods = 7,freq = 'H') DatetimeIndex(['2017-06-27 00:00:00', '2017-06-27 01:00:00',
'2017-06-27 02:00:00', '2017-06-27 03:00:00',
'2017-06-27 04:00:00', '2017-06-27 05:00:00',
'2017-06-27 06:00:00'],
dtype='datetime64[ns]', freq='H')
常用的基础频率
| 别名 | 偏移量 | 说明 |
|---|
| D/d | Day | 每日历日 |
| B | BusinessDay | 每工作日 |
| H/h | Hour | 每小时 |
| T或min | Minute | 每分 |
| S | Secend | 每秒 |
| L或ms | Milli | 每毫秒（每千分之一秒） |
| U | Micro | 每微秒（即百万分之一秒） |
| M | MonthEnd | 每月最后一个日历日 |
| BM | BusinessDayEnd | 每月最后一个工作 |
上表只展示了部分！
WOM日期（可获得例如“每月第3个星期五”）
pd.date_range('2017-06-01','2017-07-31',freq='WOM-3FRI')DatetimeIndex(['2017-06-16', '2017-07-21'], dtype='datetime64[ns]', freq='WOM-3FRI')
重采样及频率转换
降采样：高频数据到低频数据
升采样：低频数据到高频数据
主要函数：resample()（pandas对象都会有这个方法）
resample方法的参数
| 参数 | 说明 |
|---|
| freq | 表示重采样频率，例如‘M'、‘5min'，Second(15) |
| how='mean' | 用于产生聚合值的函数名或数组函数，例如‘mean'、‘ohlc'、np.max等，默认是‘mean'，其他常用的值由：‘first'、‘last'、‘median'、‘max'、‘min' |
| axis=0 | 默认是纵轴，横轴设置axis=1 |
| fill_method = None | 升采样时如何插值，比如‘ffill'、‘bfill'等 |
| closed = ‘right' | 在降采样时，各时间段的哪一段是闭合的，‘right'或‘left'，默认‘right' |
| label= ‘right' | 在降采样时，如何设置聚合值的标签，例如，9：30-9：35会被标记成9：30还是9：35,默认9：35 |
| loffset = None | 面元标签的时间校正值，比如‘-1s'或Second(-1)用于将聚合标签调早1秒 |
| limit=None | 在向前或向后填充时，允许填充的大时期数 |
| kind = None | 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 |
| convention = None | 当重采样时期时，将低频率转换到高频率所采用的约定（start或end）。默认‘end' |
降采样
需考虑：
1）各区间哪边是闭合的（参数：closed）
2）如何标记各聚合面元，用区间的开头还是末尾（参数：label）
ts_index = pd.date_range('2017-06-20',periods =12,freq = '1min')#一分钟采样数据
ts = pd.Series(np.arange(12),index = ts_index)ts
2017-06-20 00:00:00 0
2017-06-20 00:01:00 1
2017-06-20 00:02:00 2
2017-06-20 00:03:00 3
2017-06-20 00:04:00 4
2017-06-20 00:05:00 5
2017-06-20 00:06:00 6
2017-06-20 00:07:00 7
2017-06-20 00:08:00 8
2017-06-20 00:09:00 9
2017-06-20 00:10:00 10
2017-06-20 00:11:00 11
Freq: T, dtype: int32
聚合到5分钟
ts.resample('5min',how='sum')C:\Program Files\anaconda\lib\site-packages\ipykernel\__main__.py:1: FutureWarning: how in .resample() is deprecated
the new syntax is .resample(...).sum()
if __name__ == '__main__':
2017-06-20 00:00:00 10
2017-06-20 00:05:00 35
2017-06-20 00:10:00 21
Freq: 5T, dtype: int32
ts.resample('5min',how='sum',closed='left')C:\Program Files\anaconda\lib\site-packages\ipykernel\__main__.py:1: FutureWarning: how in .resample() is deprecated
the new syntax is .resample(...).sum()
if __name__ == '__main__':
2017-06-20 00:00:00 10
2017-06-20 00:05:00 35
2017-06-20 00:10:00 21
Freq: 5T, dtype: int32
ts.resample('5min',how='sum',closed='left',label ='left') C:\Program Files\anaconda\lib\site-packages\ipykernel\__main__.py:1: FutureWarning: how in .resample() is deprecated
the new syntax is .resample(...).sum()
if __name__ == '__main__':
2017-06-20 00:00:00 10
2017-06-20 00:05:00 35
2017-06-20 00:10:00 21
Freq: 5T, dtype: int32
通过groupby进行重插样
另外一种降采样方法
ts1_index = pd.date_range('2017-6-01',periods = 100,freq = 'd')
ts1 = pd.Series(np.arange(100),index = ts1_index)
ts1.head()2017-06-01 0
2017-06-02 1
2017-06-03 2
2017-06-04 3
2017-06-05 4
Freq: D, dtype: int32
ts1.groupby(lambda x:x.month).mean()
6 14.5
7 45.0
8 76.0
9 95.5
dtype: float64
ts1.groupby(lambda x:x.weekday).mean()
0 49.5
1 50.5
2 51.5
3 49.0
4 50.0
5 47.5
6 48.5
dtype: float64
df1 = pd.DataFrame(np.arange(200).reshape(100,2),index = ts1_index)
df1.groupby(lambda x:x.weekday).mean()
| 0 | 1 |
|---|
| 0 | 99 | 100 |
|---|
| 1 | 101 | 102 |
|---|
| 2 | 103 | 104 |
|---|
| 3 | 98 | 99 |
|---|
| 4 | 100 | 101 |
|---|
| 5 | 95 | 96 |
|---|
| 6 | 97 | 98 |
|---|
对于具有时间序列索引的pandas数据结构，当groupby传入一个函数时，可以对时间索引对应列进行聚合
升采样
升采样没有聚合，但是需要填充
df2 = pd.DataFrame(np.arange(200).reshape(100,2),index = ts1_index,columns=['add1','add2'])
df2.head()
| add1 | add2 |
|---|
| 2017-06-01 | 0 | 1 |
|---|
| 2017-06-02 | 2 | 3 |
|---|
| 2017-06-03 | 4 | 5 |
|---|
| 2017-06-04 | 6 | 7 |
|---|
| 2017-06-05 | 8 | 9 |
|---|
df2.resample('W-THU',fill_method = 'ffill') C:\Program Files\anaconda\lib\site-packages\ipykernel\__main__.py:1: FutureWarning: fill_method is deprecated to .resample()
the new syntax is .resample(...).ffill()
if __name__ == '__main__':
| add1 | add2 |
|---|
| 2017-06-01 | 0 | 1 |
|---|
| 2017-06-08 | 14 | 15 |
|---|
| 2017-06-15 | 28 | 29 |
|---|
| 2017-06-22 | 42 | 43 |
|---|
| 2017-06-29 | 56 | 57 |
|---|
| 2017-07-06 | 70 | 71 |
|---|
| 2017-07-13 | 84 | 85 |
|---|
| 2017-07-20 | 98 | 99 |
|---|
| 2017-07-27 | 112 | 113 |
|---|
| 2017-08-03 | 126 | 127 |
|---|
| 2017-08-10 | 140 | 141 |
|---|
| 2017-08-17 | 154 | 155 |
|---|
| 2017-08-24 | 168 | 169 |
|---|
| 2017-08-31 | 182 | 183 |
|---|
| 2017-09-07 | 196 | 197 |
|---|
| 2017-09-14 | 198 | 199 |
|---|
感谢各位的阅读！关于“python+pandas如何生成指定日期和重采样”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
分享标题：python+pandas如何生成指定日期和重采样-创新互联
本文URL：
http://cdkjz.cn/article/copois.html
