pandas中的resample，重新取樣，是對原樣本重新處理的乙個方法，是乙個對常規時間序列資料重新取樣和頻率轉換的便捷的方法。
方法的格式是：
dataframe.resample(rule, how=none, axis=0, fill_method=none, closed=none, label=none, convention=『start』,kind
=none, loffset=none, limit=none, base=0)
引數詳解是：
parameters:
rule : string
偏移量表示目標字串或物件轉換
axis : int, optional, default 0
closed :
哪乙個方向的間隔是關閉的
label :
which bin edge label to label bucket with
convention :
loffset : timedelta
調整重新取樣時間標籤
base : int, default 0
頻率均勻細分1天,「起源」的聚合的間隔。例如,對於「5分鐘」頻率,基地可能範圍從0到4。預設值為0
首先建立乙個series，取樣頻率為一分鐘。
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
降低取樣頻率為三分鐘
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
降低取樣頻率為三分鐘，但是每個標籤使用right來代替left。請注意，bucket中值的用作標籤。
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
降低取樣頻率為三分鐘，但是關閉right區間。
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
增加取樣頻率到30秒
series.resample(『30s』).asfreq()[0:5] #select first 5 rows2000-01-01 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
增加取樣頻率到30s,使用pad方法填充nan值。
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
增加取樣頻率到30s,使用bfill方法填充nan值。
def custom_resampler(array_like):… return np.sum(array_like)+5
原文：
Pandas中的分類
一 分類變數的結構 乙個分類變數包括三個部分，元素值 values 分類類別 categories 是否有序 order 從上面可以看出，使用cut函式建立的分類變數預設為有序分類變數 一 獲取分類屬性 a describe方法 該方法描述了乙個分類序列的情況，包括非缺失值個數 元素值類別數 不是分...
pandas中DataFrame mean函式用法
mean 平均數 pandas中的df.mean 函式預設是等價於df.mean 0 即按軸方向求平均，得到每列資料的平均值。相反的df.mean 1 則代表按行方向求平均，得到每行資料的平均值。舉例 我們 首先匯入pandas包 import pandas as pd建立矩陣 首先使用預設方法 會...
pandas中merge的用法
pandas中的merge和concat類似,但主要是用於 兩組有key column的資料 統一索引的資料.通常也被用在database的處理當中。import pandas as pd 定義資料集並列印出 left pd.dataframe right pd.dataframe print le...