Pandas2.2 DataFrame

Time Series-related

方法	描述
DataFrame.asfreq(freq[, method, how, …])	用于**將時間序列數據轉換為指定頻率（resample to frequency）**的方法
DataFrame.asof(where[, subset])	用于查找時間序列中最接近指定時間點的非 NaN 值的方法
DataFrame.shift([periods, freq, axis, …])	用于**將 DataFrame 的數據沿著指定軸移動（平移）**的方法
DataFrame.first_valid_index()	用于獲取 DataFrame 中第一個非空（非 NaN）值所在的行索引的方法
DataFrame.last_valid_index()	用于獲取 DataFrame 中最后一個非空（非 NaN）值所在的行索引的方法
DataFrame.resample(rule[, axis, closed, …])	用于**對時間序列數據進行重采樣（resampling）**的核心方法

pandas.DataFrame.resample()

pandas.DataFrame.resample() 是 Pandas 中用于**對時間序列數據進行重采樣（resampling）**的核心方法。它類似于 SQL 中的“GROUP BY 時間窗口”操作，常用于將高頻時間序列數據聚合為低頻（如從分鐘級到小時級、日級等），也支持升采樣（插值填充）。

---

📌 方法簽名

DataFrame.resample(rule,axis=0,closed=None,label=None,convention='start',kind=None,on=None,level=None,origin='start_day',offset=None,group_keys=False
)

---

🔧 參數說明：

參數	說明
rule	時間頻率字符串，如 'D'（天）、'W'（周）、'M'（月）、'Q'（季度）、'A'（年）等
axis	操作軸方向，默認為 0（行方向）
closed	區間閉合方式，可選 'left' 或 'right'，表示區間端點是否包含
label	聚合后標簽的位置，可選 'left' 或 'right'
convention	升采樣時的時間點對齊方式，如 'start', 'end'（默認 'start'）
kind	返回類型，可選 'period' 或 'timestamp'
on	對非索引的時間列進行 resample（適用于普通列而非 DatetimeIndex）
level	多級索引中指定某一級作為時間索引
origin	起始時間對齊方式，可選 'epoch' 或 'start_day'（默認）
offset	時間偏移量，如 '1D' 表示起始時間向后偏移一天
group_keys	是否在分組鍵中顯示時間標簽（一般不需修改）

---

? 返回值

• 返回一個 Resampler 對象，需要配合 .mean(), .sum(), .max() 等聚合函數使用；
• 原始數據不會被修改；

---

🧪 示例代碼及結果

示例 1：基本用法（按天聚合）

import pandas as pd
import numpy as np# 創建帶時間索引的 DataFrame
index = pd.date_range('2025-01-01', periods=6, freq='H')
df = pd.DataFrame({'value': [10, 20, 30, 40, 50, 60]
}, index=index)print("Original DataFrame:")
print(df)

輸出：

                     value
2025-01-01 00:00:00     10
2025-01-01 01:00:00     20
2025-01-01 02:00:00     30
2025-01-01 03:00:00     40
2025-01-01 04:00:00     50
2025-01-01 05:00:00     60

# 按每 2 小時聚合，取平均值
resampled = df.resample('2H').mean()
print("\nAfter resample('2H').mean():")
print(resampled)

輸出：

                     value
2025-01-01 00:00:00   15.0
2025-01-01 02:00:00   35.0
2025-01-01 04:00:00   55.0

---

示例 2：按天聚合并求和

# 按天聚合，求和
resampled = df.resample('D').sum()
print("\nAfter resample('D').sum():")
print(resampled)

輸出：

            value
2025-01-01    210

---

示例 3：自定義閉合方式與標簽位置

# 每兩小時一組，右閉合，標簽放在右邊
resampled = df.resample('2H', closed='right', label='right').mean()
print("\nresample('2H', closed='right', label='right'):")
print(resampled)

輸出：

                     value
2025-01-01 02:00:00   15.0
2025-01-01 04:00:00   35.0
2025-01-01 06:00:00   55.0

---

示例 4：升采樣 + 插值填充（ffill）

# 按半小時升采樣，并向前填充
resampled = df.resample('30T').ffill()
print("\nresample('30T').ffill():")
print(resampled)

輸出（部分）：

                     value
2025-01-01 00:00:00     10
2025-01-01 00:30:00     10
2025-01-01 01:00:00     20
2025-01-01 01:30:00     20
2025-01-01 02:00:00     30
...

---

示例 5：使用 on= 指定時間列進行 resample

# 如果時間不是索引而是列
df_reset = df.reset_index()
df_reset.rename(columns={'index': 'timestamp'}, inplace=True)# 使用 on='timestamp' 進行 resample
resampled = df_reset.resample('2H', on='timestamp').mean()
print("\nresample(..., on='timestamp').mean():")
print(resampled)

輸出：

                     value
timestamp                 
2025-01-01 00:00:00   15.0
2025-01-01 02:00:00   35.0
2025-01-01 04:00:00   55.0

---

示例 6：使用 kind='period' 返回 Period 類型

resampled = df.resample('2H', kind='period').mean()
print("\nresample(..., kind='period').mean():")
print(resampled)

輸出：

         value
timestamp      
2025-01-01 00:00   15.0
2025-01-01 02:00   35.0
2025-01-01 04:00   55.0

---

🧠 應用場景

場景	說明
時間序列聚合	如計算每日/每周/每月的均值、總和等
降采樣（Downsampling）	將高頻率數據轉換為低頻率（如秒級 → 分鐘級）
升采樣（Upsampling）	將低頻率數據轉換為高頻率（如日級 → 小時級），通常結合 .interpolate() 或 .ffill()
缺失值處理	在升采樣后填充缺失值
可視化準備	統一時間粒度便于繪圖分析

---

?? 注意事項

• 必須確保索引或指定列為 DatetimeIndex 類型；
• resample() 不會直接返回結果，必須配合聚合函數（如 .mean(), .sum()）；
• 支持多種頻率規則，如：
  • 'T' / 'min'：分鐘
  • 'H'：小時
  • 'D'：天
  • 'W'：周
  • 'M'：月末
  • 'Q'：季度末
  • 'A'：年末
• closed 和 label 控制時間區間的劃分方式；
• origin 可控制時間窗口起點；
• offset 可設置時間窗口偏移（如從 1:30 開始）；
• on= 可用于對非索引的時間列進行 resample。

---

? 總結對比

方法	是否聚合	是否支持升采樣	是否支持降采樣	是否支持非索引時間列
.resample()	?	?	?	?（通過 on=）
.asfreq()	?	?	?	?
.rolling()	?	?	?	?
.groupby(pd.Grouper(freq='D'))	?	?	?	?

---

📈 頻率規則參考表（常用）

規則	含義
'T' / 'min'	每分鐘
'H'	每小時
'D'	每天
'W'	每周（默認周日為一周開始）
'M'	每月最后一天
'Q'	每季度最后一天
'A'	每年最后一天
'MS'	每月初第一天
'QS'	每季度初第一天
'AS'	每年初第一天

---

? 推薦組合使用方式

# 常見降采樣 + 聚合
df.resample('D').mean()# 常見升采樣 + 填充
df.resample('T').ffill()  # 每分鐘向前填充
df.resample('T').interpolate('linear')  # 線性插值

---

如果你希望對時間序列進行降采樣統計、升采樣插值、或統一時間粒度，resample() 是非常強大且靈活的工具，是時間序列分析中的核心方法之一。