重新采样与频率转换

重新采样与频率转换

重新采样是指将时间序列从一个频率转换为另一个频率的过程。将更高频率的数据聚合到低频率被称为向下采样，而从低频率转换到高频率称为向上采样。并不是所有的重新采样都属于上面说的两类；例如，将W-WED（weekly on Wednesday，每周三）转换到W-FRI（每周五）既不是向上采样也不是向下采样。

pandas对象都配有resample方法，该方法是所有频率转换的工具函数。resample拥有类似于groupby的API；调用resample对数据分组，之后再调用聚合函数：

resample是一个灵活且高性能的方法，可以用于处理大型时间序列。下表总结了resample方法的部分选项。

1、向下采样

将数据聚合到一个规则的低频率上是一个常见的时间序列任务。要聚合的数据不必是固定频率的。期望的频率定义了用于对时间序列切片以聚合的箱体边界。例如，要将时间转换为每月，’M’或’BM’，你需要将数据分成一个月的时间间隔。每个间隔是半闭合的，一个数据点只能属于一个时间间隔，时间间隔的并集必须是整个时间帧。在使用resample进行向下采样数据时有些事情需要考虑：

每段间隔的哪一边是闭合的
如何在间隔的起始或结束位置标记每个已聚合的箱体

假设想通过计算每一组的加和将这些数据聚合到五分钟的块或柱内：

传递的频率按五分钟的增量定义了箱体边界。默认情况下，左箱体边界是包含的，因此00:00的值是包含在00:00到00:05间隔内的。传递closed=’right’将间隔的闭合端改为了右边：

产生的时间序列按照每个箱体左边的时间戳被标记。传递label=’right’可以使用右箱体边界标记时间序列：

最后，可能需要将结果索引移动一定的数量，例如从右边缘减去一秒，以使其更清楚地表明时间戳所指的间隔。要实现这个功能，向loffset传递字符串或日期偏置：

1.1开端-峰值-谷值-结束（OHLC）重新采样

在金融中，为每个数据桶计算四个值是一种流行的时间序列聚合方法：第一个值（开端）、最后一个值（结束）、最大值（峰值）和最小值（谷值）。通过使用ohlc聚合函数将会获得包含四种聚合值列的DataFrame，这些值在数据的单次扫描中被高效计算：

2、向上采样与插值

当从低频率转换为高频率时，并不需要任何聚合。考虑带有每周数据的DataFrame：

当对这些数据使用聚合函数时，每一组只有一个值，并且会在间隙中产生缺失值。使用asfreq方法在不聚合的情况下转换到高频率：

可以同样选择仅向前填充一定数量的区间，以限制继续使用观测值的时距：

3、使用区间进行重新采样

对以区间为索引的数据进行采样与时间戳的情况类似：

向上采样更为细致，因为必须在重新采样前决定新频率中在时间段的哪一端放置数值，就像asfreq方法一样。convention参数默认值是’start’，但也可以是’end’：

由于区间涉及时间范围，向上采样和向下采样就更为严格：

在向下采样中，目标频率必须是原频率的子区间。
在向上采样中，目标频率必须是原频率的父区间。

时间区间和区间算术移动窗口函数