基于此处的 Pandas 文档:Docs
和例子:
>>> index = pd.date_range('1/1/2000', periods=9, freq='T')
>>> series = pd.Series(range(9), index=index)
>>> series
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
重采样后:
>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00 0
2000-01-01 00:03:00 6
2000-01-01 00:06:00 15
2000-01-01 00:09:00 15
在我看来,重采样后 bin 应该如下所示:
=========bin 01=========
2000-01-01 00:00:00 0
2000-01-01 00:01:00 1
2000-01-01 00:02:00 2
=========bin 02=========
2000-01-01 00:03:00 3
2000-01-01 00:04:00 4
2000-01-01 00:05:00 5
=========bin 03=========
2000-01-01 00:06:00 6
2000-01-01 00:07:00 7
2000-01-01 00:08:00 8
我在这一步上做对了吗?
所以在.sum
之后我觉得应该是这样的:
2000-01-01 00:02:00 3
2000-01-01 00:05:00 12
2000-01-01 00:08:00 21
我只是不明白它是怎么出来的:
2000-01-01 00:00:00 0
(因为 label='right'
,在这种情况下 2000-01-01 00:00:00 不能是任何 bin 的任何右边缘)。
2000-01-01 00:09:00 15
(原始系列中甚至不存在标签 2000-01-01 00:09:00。
最佳答案
简答:如果您使用 closed='left'
和 loffset='2T'
然后你会得到你所期望的:
series.resample('3T', label='left', closed='left', loffset='2T').sum()
2000-01-01 00:02:00 3
2000-01-01 00:05:00 12
2000-01-01 00:08:00 21
长答案:(或者为什么你得到的结果是正确的,考虑到你使用的参数)这可能从文档中不清楚,但在此设置中打开和关闭是关于严格与非-严格不等式(例如 <
与 <=
)。
一个例子应该可以清楚地说明这一点。使用示例中的内部间隔,这与更改 closed
的值不同。 :
closed='right' => ( 3:00, 6:00 ] or 3:00 < x <= 6:00
closed='left' => [ 3:00, 6:00 ) or 3:00 <= x < 6:00
您可以在许多地方找到间隔表示法(圆括号与方括号)的解释,例如: https://en.wikipedia.org/wiki/Interval_(mathematics)
label
参数仅控制是否显示左侧 (3:00) 或右侧 (6:00),但不会影响结果本身。
另请注意,您可以使用 loffset
更改间隔的起点参数(应作为时间增量输入)。
回到示例,我们仅将标签从“右”更改为“左”:
series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00 0
2000-01-01 00:03:00 6
2000-01-01 00:06:00 15
2000-01-01 00:09:00 15
series.resample('3T', label='left', closed='right').sum()
1999-12-31 23:57:00 0
2000-01-01 00:00:00 6
2000-01-01 00:03:00 15
2000-01-01 00:06:00 15
如您所见,结果是一样的,只是索引标签发生了变化。 Pandas 只允许您显示右侧或左侧标签,但如果它显示两者,那么它看起来像这样(下面我使用标准索引符号,其中左侧的 (
表示打开和右边的]
表示关闭):
( 1999-12-31 23:57:00, 2000-01-01 00:00:00 ] 0 # = 0
( 2000-01-01 00:00:00, 2000-01-01 00:03:00 ] 6 # = 1+2+3
( 2000-01-01 00:03:00, 2000-01-01 00:06:00 ] 15 # = 4+5+6
( 2000-01-01 00:06:00, 2000-01-01 00:09:00 ] 15 # = 7+8
请注意,第一个 bin (23:57:00,00:00:00] 不是空的,它只是包含一行并且该行中的值为零。如果将“sum”更改为'count' 这变得更加明显:
series.resample('3T', label='left', closed='right').count()
1999-12-31 23:57:00 1
2000-01-01 00:00:00 3
2000-01-01 00:03:00 3
2000-01-01 00:06:00 2
关于python - 如何理解 pandas resample 方法中的封闭和标签参数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48340463/