【Pandas】解析resample函数中重采样频率‘freq‘用法(附参数说明表)

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 【Pandas】解析resample函数中重采样频率‘freq‘用法(附参数说明表)
"""pandas案例中的一行代码"""
crime.resample('10AS').sum()

Pandas中的resample,重采样,是对原样本重新处理的一个方法,是一个对常规时间序列数据重新采样和频率转换的便捷的方法。正是因为这行代码中的'10AS'使我萌生了想要弄懂这个函数的想法!


1 参数介绍


DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention='start',kind=None, loffset=None, limit=None, base=0)

image.png


2 采样频率


这个参数是目前使用频率最高的,所以整理下来供查阅。


example:

index = pd.date_range('1/1/2000', periods=9, freq='T')
series = pd.Series(range(9), index=index)
series
#Output
2000-01-01 00:00:00    0
2000-01-01 00:01:00    1
2000-01-01 00:02:00    2
2000-01-01 00:03:00    3
2000-01-01 00:04:00    4
2000-01-01 00:05:00    5
2000-01-01 00:06:00    6
2000-01-01 00:07:00    7
2000-01-01 00:08:00    8
Freq: T, dtype: int64


rule 参数如下表 :

image.png

image.png


相关链接:

Pandas中resample方法详解_python_脚本之家 (jb51.net)

pandas.DataFrame.resample — pandas 1.3.0 documentation (pydata.org)

pandas resample重采样频率介绍 、附案例_code_zbw-CSDN博客

python - What values are valid in Pandas ‘Freq’ tags? - Stack Overflow

目录
打赏
0
0
0
0
2
分享
相关文章
OpenAI API深度解析:参数、Token、计费与多种调用方式
随着人工智能技术的飞速发展,OpenAI API已成为许多开发者和企业的得力助手。本文将深入探讨OpenAI API的参数、Token、计费方式,以及如何通过Rest API(以Postman为例)、Java API调用、工具调用等方式实现与OpenAI的交互,并特别关注调用具有视觉功能的GPT-4o使用本地图片的功能。此外,本文还将介绍JSON模式、可重现输出的seed机制、使用代码统计Token数量、开发控制台循环聊天,以及基于最大Token数量的消息列表限制和会话长度管理的控制台循环聊天。
1755 7
|
5月前
|
|
5月前
|
Pandas 常用函数-数据合并
Pandas 常用函数-数据合并
69 1
|
5月前
|
Pandas 常用函数-数据排序
10月更文挑战第28天
42 1
|
5月前
|
Pandas 常用函数-数据统计和描述
Pandas 常用函数-数据统计和描述
152 0
|
5月前
|
Pandas 常用函数-数据选择和过滤
Pandas 常用函数-数据选择和过滤
40 0
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
155 0
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
172 1
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
111 2
【Python篇】深入挖掘 Pandas:机器学习数据处理的高级技巧
【Python篇】深入挖掘 Pandas:机器学习数据处理的高级技巧
158 3

推荐镜像

更多
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等