《利用Python进行数据分析》 11.6 重新采样和频率转换（二）

11.6 重新采样和频率转换

---

11.6.2 向上采样和插值

---

1.向上采样：从低频率转换到高频率，不需要聚合

示例：带有每周数据的DataFrame（见图11-1）

       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。我们使用asfreq方法在不聚合的情况下转换到高频率。

图11-1：asfreq方法

2.fillna和reindex方法中可用的填充或插值方法可用于重采样（见图11-2）

图11-2：填充

注：新的日期索引根本不需要与旧的索引重叠（见图11-3）

图11-3：新的日期索引

---

11.6.3 使用区间进行重新采样

---

1.以区间为索引的数据进行采样与时间戳的情况类似，向下采样（如图11-4）

图11-4：以区间为索引的数据进行采样

2.向上采样

向上采样更为细致，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'。（见图11-5）

图11-5：向上采样

3.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。

如果不满足这些规则，将会引起异常。这主要会影响每季度、每年和每周的频率。例如，根据Q-MAR定义的时间范围将只和A-MAR、A-JUN、A-SEP和A-DEC保持一致（见图11-6）

图11-6：Q-MAR定义的时间范围

---