pandas.core.groupby.DataFrameGroupBy.resample # DataFrameGroupBy。重新采样(规则, * args , include_groups = True , ** kwargs ) [来源] # 使用 TimeGrouper 时提供重采样。 给定一条石斑鱼,该函数根据字符串“string”->“Frequency”对其进行重新采样。 有关更多详细信息,请参阅频率别名文档。 参数: 规则str 或 DateOffset表示目标石斑鱼转换的偏移字符串或对象。 *参数可能的参数有how、fill_method、limit、kind和 on ,以及TimeGrouper的其他参数。 include_groups bool, 默认 True当为 True 时,将尝试在操作中包含分组(如果它们是 DataFrame 的列)。如果这引发类型错误,则将在排除分组的情况下计算结果。当为 False 时,应用时将排除分组func。 2.2.0 版本中的新增内容。 自版本 2.2.0 起已弃用:已弃用将 include_groups 设置为 True。 pandas 的未来版本中只允许使用 False 值。 **夸格可能的参数有how、fill_method、limit、kind和 on ,以及TimeGrouper的其他参数。 返回: pandas.api.typing.DatetimeIndexResamplerGroupby, pandas.api.typing.PeriodIndexResamplerGroupby,或 pandas.api.typing.TimedeltaIndexResamplerGroupby返回一个新的 groupby 对象,其类型取决于重新采样的数据。 也可以看看 Grouper指定按键分组时重新采样的频率。 DatetimeIndex.resample时间序列的频率转换和重采样。 例子 >>> idx = pd.date_range('1/1/2000', periods=4, freq='min') >>> df = pd.DataFrame(data=4 * [range(2)], ... index=idx, ... columns=['a', 'b']) >>> df.iloc[2, 0] = 5 >>> df a b 2000-01-01 00:00:00 0 1 2000-01-01 00:01:00 0 1 2000-01-01 00:02:00 5 1 2000-01-01 00:03:00 0 1 将 DataFrame 下采样为 3 分钟的 bin,并对落入 bin 的时间戳值求和。 >>> df.groupby('a').resample('3min', include_groups=False).sum() b a 0 2000-01-01 00:00:00 2 2000-01-01 00:03:00 1 5 2000-01-01 00:00:00 1 将系列上采样为 30 秒的 bin。 >>> df.groupby('a').resample('30s', include_groups=False).sum() b a 0 2000-01-01 00:00:00 1 2000-01-01 00:00:30 0 2000-01-01 00:01:00 1 2000-01-01 00:01:30 0 2000-01-01 00:02:00 0 2000-01-01 00:02:30 0 2000-01-01 00:03:00 1 5 2000-01-01 00:02:00 1 按月重新采样。值分配给该期间的月份。 >>> df.groupby('a').resample('ME', include_groups=False).sum() b a 0 2000-01-31 3 5 2000-01-31 1 如上所述,将系列下采样为 3 分钟的 bin,但关闭 bin 间隔的右侧。 >>> ( ... df.groupby('a') ... .resample('3min', closed='right', include_groups=False) ... .sum() ... ) b a 0 1999-12-31 23:57:00 1 2000-01-01 00:00:00 2 5 2000-01-01 00:00:00 1 将系列下采样为 3 分钟的 bin,并关闭 bin 间隔的右侧,但使用右边缘而不是左侧标记每个 bin。 >>> ( ... df.groupby('a') ... .resample('3min', closed='right', label='right', include_groups=False) ... .sum() ... ) b a 0 2000-01-01 00:00:00 1 2000-01-01 00:03:00 2 5 2000-01-01 00:03:00 1