pandas数据可视化（三）之时间重采样
pandas数据可视化（三）之时间重采样
python+pandas生成指定日期和重采样 - CSDN博客 https://blog.csdn.net/LY_ysys629/article/details/73823803
Pandas中resample方法详解 - CSDN博客 https://blog.csdn.net/wangshuang1631/article/details/52314944
——————————————————————————————————————————————————
时间系列转换：
c=pd.Series(np.random.rand(5), index=(pd.date_range('20180130', periods=5, freq='D'))) #创建时间戳系列
d=c.to_period('M') #
print( c, type(c), c.index)
print( d, type(d), d.index)2018-01-31 0.522582
2018-02-01 0.889830
2018-02-02 0.130641
2018-02-03 0.222065
Freq: D, dtype: float64
2018-01 0.424927
2018-01 0.522582
2018-02 0.889830
2018-02 0.130641
2018-02 0.222065
Freq: M, dtype: float64
——————————————————————————————————————————————————
groupby按组汇总求和(sum)或平均数(mean)
c=pd.Series(np.random.rand(5), index=(pd.date_range('20180130', periods=5, freq='D')))
d=c.to_period('M') 转成月期间
e=d.groupby(level=0).mean() #或e=d.groupby(level=0).sum()输出以下结果：
2018-01 0.407399
2018-02 0.826991————————————————————————————————————————————————
时间再转换：
时间戳系列转成时期系列'M'，再由时期系列转成时间戳系列，后面的时间戳的“日”，不再是原来的时间戳的日数。
c=pd.Series(np.random.rand(3), index=(pd.date_range('20180130', periods=3, freq='D')))
d=c.to_period('M')
f=d.to_timestamp(how='start') #或者how='end'——————————————————————————————————————————————
时间重采样：时间戳系列索引，分钟转为5分钟
c=pd.Series(np.random.randint(0, 50, 11), index=(pd.date_range('2018-01-30 9:30', periods=11, freq='T')))
d=c.resample('5min', how='sum', label='right')#label='right'，表示右侧时间（5分钟时间段的后端），默认为始端时间
e=c.resample('5min', how='ohlc')
print(c, d, e)输出结果：
the new syntax is .resample(...).ohlc()
e=c.resample('5min', how='ohlc')
2018-01-30 09:30:00 27
2018-01-30 09:31:00 5
2018-01-30 09:32:00 36
2018-01-30 09:33:00 49
2018-01-30 09:34:00 23
2018-01-30 09:35:00 44
2018-01-30 09:36:00 46
2018-01-30 09:37:00 7
2018-01-30 09:38:00 4
2018-01-30 09:39:00 39
2018-01-30 09:40:00 40
Freq: T, dtype: int32 2018-01-30 09:35:00 140
2018-01-30 09:40:00 140 #以5分钟时期的右侧时间9：35作为取样时间点，默认为本段时间期间的左侧9：30作为取样时间点
2018-01-30 09:45:00 40Freq: 5T, dtype: int32 open high low close
2018-01-30 09:30:00 27 49 5 23 #c.resample('5min', how='ohlc')，以5分钟内第1个价为开盘价，最后1个价为闭盘价。
2018-01-30 09:35:00 44 46 4 39
2018-01-30 09:40:00 40 40 40 40————————————————————————————————————
时间重采样：
c=pd.Series(np.random.randint(0, 50, 10), index=pd.date_range('2018-1-24', periods=10, freq='D'))
d=c.groupby(lambda x:x.month).sum()
e=c.groupby(c.index.to_period('M')).sum()
print(c)
print(d)
print(e)输出结果：print(c)
2018-01-24 46
2018-01-25 38
2018-01-26 35
2018-01-27 13
2018-01-28 43
2018-01-29 27
2018-01-30 30
2018-01-31 25
2018-02-01 31
2018-02-02 17
Freq: D, dtype: int32print(d)
1 257
2 48
dtype: int32print(e)
2018-01 257
2018-02 48
Freq: M, dtype: int32 c=pd.Series(np.random.randint(0, 50, 2), index=pd.date_range('20180401', periods=2, freq='W-FRI'))
d=c.resample('D', fill_method='ffill', limit=2) #
e=c.resample('W-MON', fill_method='ffill')
print(c)
print(d)
print(e)
输出结果：
2018-04-06 34
2018-04-13 1
Freq: W-FRI, dtype: int32
2018-04-06 34.0
2018-04-07 34.0
2018-04-08 34.0
2018-04-09 NaN
2018-04-10 NaN
2018-04-11 NaN
2018-04-12 NaN
2018-04-13 1.0
Freq: D, dtype: float64
2018-04-09 34
2018-04-16 1
Freq: W-MON, dtype: int32时间重采样：采样为年度、季度
c=pd.DataFrame(np.random.randint(2, 30, (15, 4)), index=pd.date_range('2018-3-2', periods=15, freq='M'), columns=list('abcd'))
d=c.resample('A-DEC', how='sum') #
e=c.resample('A-MAR', how='sum')
f=c.resample('Q-DEC', how='sum')
print(c)
print(d)
print(e)
print(f)
输出结果：print(c)
a b c d
2018-03-31 20 29 4 25
2018-04-30 3 5 6 18
2018-05-31 12 4 8 12
2018-06-30 3 4 18 20
2018-07-31 25 14 4 27
2018-08-31 22 9 24 21
2018-09-30 8 26 2 28
2018-10-31 9 3 4 27
2018-11-30 23 6 6 27
2018-12-31 25 29 18 6
2019-01-31 21 19 20 11
2019-02-28 5 7 28 28
2019-03-31 16 19 21 17
2019-04-30 16 19 9 9
2019-05-31 16 7 28 15输出结果：print(d)
a b c d
2018-12-31 150 129 94 211
2019-12-31 74 71 106 80输出结果：print(e)
a b c d
2018-03-31 20 29 4 25
2019-03-31 172 145 159 242
2020-03-31 32 26 37 24输出结果：print(f)2018-03-31 20 29 4 25
2018-06-30 18 13 32 50
2018-09-30 55 49 30 76
2018-12-31 57 38 28 60
2019-03-31 42 45 69 56
2019-06-30 32 26 37 24
——————————————————————————————————————————
股票数据周期转换：
c=pd.read_csv('601656', index_col='Date', parse_dates=True)
d=c['adj_close'].resample('W-FRI', how='ohlc') #收盘价按周重采样
d['vol']=c['vol'].resample('W-FRI', how='sum') #向d追加交易量周采样列