Pandas時間序列重采樣(resample)方法中closed、label的作用詳解

更新時間：2019年12月10日 15:38:54 作者：大聖Jonathan

這篇文章主要介紹了Pandas時間序列重采樣(resample)方法中closed、label的作用詳解，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

Pandas提供了便捷的方式對時間序列進行重采樣，根據時間粒度的變大或者變小分為降采樣和升采樣：

降采樣：時間粒度變大。例如，原來是按天統(tǒng)計的數據，現在變成按周統(tǒng)計。降采樣會涉及到數據的聚合，比如天數據變成周數據，那么就得對一周的7天數據聚合，聚合的方式可以是求和，求均值等等。
升采樣：時間粒度變小。例如，原來是按周統(tǒng)計的數據，現在變成按天統(tǒng)計。升采樣會涉及到數據的填充，根據填充的方法不同填充的數據也就不同。

下面涉及的例子，都需要導入numpy和pandas(如下)，并且對于降采樣數據的聚合做簡單的求和處理。

import numpy as np
import pandas as pd

Pandas重采樣方法resample

在Pandas里，通過resample來處理重采樣，根據頻率的不同(freq)會處理成降采樣或者升采樣。我們先來看看Resample的定義和關鍵參數注釋：

resample(self, rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention='start', kind=None, loffset=None, limit=None, base=0, on=None, level=None)
  Convenience method for frequency conversion and resampling of time
  series. Object must have a datetime-like index (DatetimeIndex,
  PeriodIndex, or TimedeltaIndex), or pass datetime-like values
  to the on or level keyword.
  
Parameters
----------
closed : {'right', 'left'}
    Which side of bin interval is closed. The default is ‘left' for all frequency offsets except for ‘M', ‘A', ‘Q', ‘BM', ‘BA', ‘BQ', and ‘W' which all have a default of ‘right'.
label : {'right', 'left'}
    Which bin edge label to label bucket with. The default is ‘left' for all frequency offsets except for ‘M', ‘A', ‘Q', ‘BM', ‘BA', ‘BQ', and ‘W' which all have a default of ‘right'.

第一眼看closed和label這兩個參數，會感覺云里霧里，即使看了例子也可能會覺得莫名奇妙。下面我們通過具體的降采樣和升采樣例子，來解讀一下這個兩個參數內含的玄機。

降采樣

首先先來創(chuàng)建一個時間序列，起始日期是2018/01/01，一共12天，每天對應的數值分別是1到12：

rng = pd.date_range('20180101', periods=12)
ts = pd.Series(np.arange(1,13), index=rng)

print(ts)

#### Outputs ####
2018-01-01   1
2018-01-02   2
2018-01-03   3
2018-01-04   4
2018-01-05   5
2018-01-06   6
2018-01-07   7
2018-01-08   8
2018-01-09   9
2018-01-10  10
2018-01-11  11
2018-01-12  12
Freq: D, dtype: int32

下面使用resample方法來做降采樣處理，頻率是5天，上面提到的兩個參數，都使用默認值：

ts_5d = ts.resample('5D').sum()
print(ts_5d)

#### Outputs ####
2018-01-01  15
2018-01-06  40
2018-01-11  23
Freq: 5D, dtype: int32

到這里，我相信不論是代碼還是代碼的結果都很好理解：無非就是每5天來個求和。在第一部分中，我們列出了closed參數的注釋，從注釋可知，closed默認的值是'left'。那如果把closed的值改為'right'，結果有是怎么樣的？

ts_5d_rightclosed = ts.resample('5D', closed='right').sum()
print(ts_5d_rightclosed)

#### Outputs ####
2017-12-27   1
2018-01-01  20
2018-01-06  45
2018-01-11  12
Freq: 5D, dtype: int32

怎么會這樣？為什么變成了四個區(qū)間？closed=right到底做了什么？

別著急，我們來一步一步看看，這其中發(fā)生了什么事情。原始的時間序列是從18年1月1號到1月12號，一共12天。以5天為單位降采樣處理后，變成了三個5天，分別是：

第一個5天：1-2-3-4-5-6
第二個5天：6-7-8-9-10-11
第三個5天：12-13-14-15-16

實際上，這三個5天就是三個區(qū)間了。和數學里區(qū)間的概念一樣，區(qū)間有開和閉的概念。在resample中，區(qū)間的開和閉，就是通過closed這個參數來控制。用數學符號表示的話:

closed = 'left' 左閉右開

上面的三個5天可以由以下的三個左閉右開的區(qū)間構成：

區(qū)間1：[1, 6)
區(qū)間2: [6, 11)
區(qū)間3：[11, 16) 例子中，時間只到12號為止，但是這里會往后補足5天

現在，在這三個區(qū)間上做數據聚合也就很好理解了。對于區(qū)間1進行求和，也就是12、13、14、15、16這5天的值求和即可。區(qū)間2和區(qū)間3也是同理。所以下面的代碼就很好理解了：

ts_5d_leftclosed = ts.resample('5D', closed='right').sum()
print(ts_5d_leftclosed)

#### Outputs ####
2018-01-01  15
2018-01-06  40
2018-01-11  23
Freq: 5D, dtype: int32

closed = 'right' 左開右閉

上面的三個5天可以由以下的四個左開右閉的區(qū)間構成。注意，由于第一個5天是從1號到6號，但由于是左開區(qū)間，1號就落不到1到6號的那個區(qū)間，所以要往前補足：

區(qū)間1：(27, 1]
區(qū)間2：(1, 6]
區(qū)間3: (6, 11]
區(qū)間4：(11, 16]

現在，在這四個區(qū)間上做數據聚合也是一樣的道理了：對于區(qū)間1，是對28，29，30，31，1這五天的值求和（這里只有1號是有值的），其余的區(qū)間也是同理，但需要注意是左開右閉。所以到這里，上面“莫名其妙”的代碼和結果就好理解了。復制代碼和結果如下：

ts_5d_rightclosed = ts.resample('5D', closed='right').sum()
print(ts_5d_rightclosed)

#### Outputs ####
2017-12-27   1
2018-01-01  20
2018-01-06  45
2018-01-11  12
Freq: 5D, dtype: int32

理解了clsoed的意義以后，再來理解label就so easy了。由注釋可知，label的默認值是left。下面在closed='right'的基礎上，將label設置為right：

ts_5d_rightclosed_rightlable = ts.resample('5D', closed='right', label='right').sum()
print(ts_5d_rightclosed_rightlable)

#### Outputs ####
2018-01-01   1
2018-01-06  20
2018-01-11  45
2018-01-16  12
Freq: 5D, dtype: int32

于label為left相比，二者結果的異同點如下：

相同點：一樣是四個區(qū)間，每個區(qū)間的聚合的值是一樣的
不同點：每個區(qū)間的索引不同

不難發(fā)現，label為left的時候，就以區(qū)間左邊的那個日期作為索引；label，就以區(qū)間的右邊那個日期作為索引。

綜上，我們可以總結一下closed和label的用法和意義了：

closed：劃分區(qū)間的依據，left會劃成左閉右開區(qū)間；right會劃分成左開右閉的區(qū)間。一般來說，closed為right的時候，區(qū)間會比為left的時候多一個。區(qū)間劃分完畢，聚合運算就在這個區(qū)間內執(zhí)行。
label：劃分區(qū)間完畢，根據label的不同，區(qū)間的索引就不同。如果label為left，則區(qū)間左邊的日期作為索引；如果label為right，則區(qū)間右邊的日期作為索引。

升采樣

創(chuàng)建一個時間序列，起始日期是2018/01/01，一共2天，每天對應的數值分別是1到2:

rng = pd.date_range('20180101', periods=2)
ts = pd.Series(np.arange(1,2), index=rng)

print(ts)

#### Outputs ####
2018-01-01  1
2018-01-02  2
Freq: D, dtype: int32

升采樣就不涉及到closed和label的值，也就是會忽略(筒子們可以驗證一下)，所以我們在使用的時候無需設置這兩個值。對于升采樣，前面也提到，主要是涉及到值的填充。有下面的四種填充方法（實際是三種）：

不填充。那么對應無值的地方，用NaN代替。對應的方法是asfreq。
用前值填充。用前面的值填充無值的地方。對應的方法是ffill或者pad。這里方便記憶，ffill的第一個f是代表forward，向前的意思
用后值填充。對應的方法是bfill，b代表back。

下面是一個例子：

ts_6h_asfreq = ts.resample('6H').asfreq()
print(ts_6h_asfreq)

ts_6h_pad = ts.resample('6H').pad()
print(ts_6h_pad)

ts_6h_ffill = ts.resample('6H').ffill()
print(ts_6h_ffill)

ts_6h_bfill = ts.resample('6H').bfill()
print(ts_6h_bfill)

#### Outputs ####
2018-01-01 00:00:00  1.0
2018-01-01 06:00:00  NaN
2018-01-01 12:00:00  NaN
2018-01-01 18:00:00  NaN
2018-01-02 00:00:00  2.0
Freq: 6H, dtype: float64
2018-01-01 00:00:00  1
2018-01-01 06:00:00  1
2018-01-01 12:00:00  1
2018-01-01 18:00:00  1
2018-01-02 00:00:00  2
Freq: 6H, dtype: int32
2018-01-01 00:00:00  1
2018-01-01 06:00:00  1
2018-01-01 12:00:00  1
2018-01-01 18:00:00  1
2018-01-02 00:00:00  2
Freq: 6H, dtype: int32
2018-01-01 00:00:00  1
2018-01-01 06:00:00  2
2018-01-01 12:00:00  2
2018-01-01 18:00:00  2
2018-01-02 00:00:00  2
Freq: 6H, dtype: int32

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: