Pandas时间序列重采样(resample)方法中closed、label的作用详解
Pandas提供了便捷的方式对时间序列进行重采样，根据时间粒度的变大或者变小分为降采样和升采样：
- 降采样：时间粒度变大。例如，原来是按天统计的数据，现在变成按周统计。降采样会涉及到数据的聚合，比如天数据变成周数据，那么就得对一周的7天数据聚合，聚合的方式可以是求和，求均值等等。
- 升采样：时间粒度变小。例如，原来是按周统计的数据，现在变成按天统计。升采样会涉及到数据的填充，根据填充的方法不同填充的数据也就不同。
下面涉及的例子，都需要导入numpy和pandas(如下)，并且对于降采样数据的聚合做简单的求和处理。
importnumpyasnp importpandasaspd
Pandas重采样方法resample
在Pandas里，通过resample来处理重采样，根据频率的不同(freq)会处理成降采样或者升采样。我们先来看看Resample的定义和关键参数注释：
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)
Conveniencemethodforfrequencyconversionandresamplingoftime
series.Objectmusthaveadatetime-likeindex(DatetimeIndex,
PeriodIndex,orTimedeltaIndex),orpassdatetime-likevalues
totheonorlevelkeyword.
Parameters
----------
closed:{'right','left'}
Whichsideofbinintervalisclosed.Thedefaultis‘left'forallfrequencyoffsetsexceptfor‘M',‘A',‘Q',‘BM',‘BA',‘BQ',and‘W'whichallhaveadefaultof‘right'.
label:{'right','left'}
Whichbinedgelabeltolabelbucketwith.Thedefaultis‘left'forallfrequencyoffsetsexceptfor‘M',‘A',‘Q',‘BM',‘BA',‘BQ',and‘W'whichallhaveadefaultof‘right'.
第一眼看closed和label这两个参数，会感觉云里雾里，即使看了例子也可能会觉得莫名奇妙。下面我们通过具体的降采样和升采样例子，来解读一下这个两个参数内含的玄机。
降采样
首先先来创建一个时间序列，起始日期是2018/01/01，一共12天，每天对应的数值分别是1到12：
rng=pd.date_range('20180101',periods=12)
ts=pd.Series(np.arange(1,13),index=rng)
print(ts)
####Outputs####
2018-01-011
2018-01-022
2018-01-033
2018-01-044
2018-01-055
2018-01-066
2018-01-077
2018-01-088
2018-01-099
2018-01-1010
2018-01-1111
2018-01-1212
Freq:D,dtype:int32
下面使用resample方法来做降采样处理，频率是5天，上面提到的两个参数，都使用默认值：
ts_5d=ts.resample('5D').sum()
print(ts_5d)
####Outputs####
2018-01-0115
2018-01-0640
2018-01-1123
Freq:5D,dtype:int32
到这里，我相信不论是代码还是代码的结果都很好理解：无非就是每5天来个求和。在第一部分中，我们列出了closed参数的注释，从注释可知，closed默认的值是'left'。那如果把closed的值改为'right'，结果有是怎么样的？
ts_5d_rightclosed=ts.resample('5D',closed='right').sum()
print(ts_5d_rightclosed)
####Outputs####
2017-12-271
2018-01-0120
2018-01-0645
2018-01-1112
Freq:5D,dtype:int32
怎么会这样？为什么变成了四个区间？closed=right到底做了什么？
别着急，我们来一步一步看看，这其中发生了什么事情。原始的时间序列是从18年1月1号到1月12号，一共12天。以5天为单位降采样处理后，变成了三个5天，分别是：
- 第一个5天：1-2-3-4-5-6
- 第二个5天：6-7-8-9-10-11
- 第三个5天：12-13-14-15-16
实际上，这三个5天就是三个区间了。和数学里区间的概念一样，区间有开和闭的概念。在resample中，区间的开和闭，就是通过closed这个参数来控制。用数学符号表示的话:
closed='left'左闭右开
上面的三个5天可以由以下的三个左闭右开的区间构成：
- 区间1：[1,6)
- 区间2:[6,11)
- 区间3：[11,16)例子中，时间只到12号为止，但是这里会往后补足5天
现在，在这三个区间上做数据聚合也就很好理解了。对于区间1进行求和，也就是12、13、14、15、16这5天的值求和即可。区间2和区间3也是同理。所以下面的代码就很好理解了：
ts_5d_leftclosed=ts.resample('5D',closed='right').sum()
print(ts_5d_leftclosed)
####Outputs#### 2018-01-0115 2018-01-0640 2018-01-1123 Freq:5D,dtype:int32
closed='right'左开右闭
上面的三个5天可以由以下的四个左开右闭的区间构成。注意，由于第一个5天是从1号到6号，但由于是左开区间，1号就落不到1到6号的那个区间，所以要往前补足：
- 区间1：(27,1]
- 区间2：(1,6]
- 区间3:(6,11]
- 区间4：(11,16]
现在，在这四个区间上做数据聚合也是一样的道理了：对于区间1，是对28，29，30，31，1这五天的值求和（这里只有1号是有值的），其余的区间也是同理，但需要注意是左开右闭。所以到这里，上面“莫名其妙”的代码和结果就好理解了。复制代码和结果如下：
ts_5d_rightclosed=ts.resample('5D',closed='right').sum()
print(ts_5d_rightclosed)
####Outputs####
2017-12-271
2018-01-0120
2018-01-0645
2018-01-1112
Freq:5D,dtype:int32
理解了clsoed的意义以后，再来理解label就soeasy了。由注释可知，label的默认值是left。下面在closed='right'的基础上，将label设置为right：
ts_5d_rightclosed_rightlable=ts.resample('5D',closed='right',label='right').sum()
print(ts_5d_rightclosed_rightlable)
####Outputs####
2018-01-011
2018-01-0620
2018-01-1145
2018-01-1612
Freq:5D,dtype:int32
于label为left相比，二者结果的异同点如下：
- 相同点：一样是四个区间，每个区间的聚合的值是一样的
- 不同点：每个区间的索引不同
不难发现，label为left的时候，就以区间左边的那个日期作为索引；label，就以区间的右边那个日期作为索引。
综上，我们可以总结一下closed和label的用法和意义了：
- closed：划分区间的依据，left会划成左闭右开区间；right会划分成左开右闭的区间。一般来说，closed为right的时候，区间会比为left的时候多一个。区间划分完毕，聚合运算就在这个区间内执行。
- label：划分区间完毕，根据label的不同，区间的索引就不同。如果label为left，则区间左边的日期作为索引；如果label为right，则区间右边的日期作为索引。
升采样
创建一个时间序列，起始日期是2018/01/01，一共2天，每天对应的数值分别是1到2:
rng=pd.date_range('20180101',periods=2)
ts=pd.Series(np.arange(1,2),index=rng)
print(ts)
####Outputs####
2018-01-011
2018-01-022
Freq:D,dtype:int32
升采样就不涉及到closed和label的值，也就是会忽略(筒子们可以验证一下)，所以我们在使用的时候无需设置这两个值。对于升采样，前面也提到，主要是涉及到值的填充。有下面的四种填充方法（实际是三种）：
- 不填充。那么对应无值的地方，用NaN代替。对应的方法是asfreq。
- 用前值填充。用前面的值填充无值的地方。对应的方法是ffill或者pad。这里方便记忆，ffill的第一个f是代表forward，向前的意思
- 用后值填充。对应的方法是bfill，b代表back。
下面是一个例子：
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####
2018-01-0100:00:001.0
2018-01-0106:00:00NaN
2018-01-0112:00:00NaN
2018-01-0118:00:00NaN
2018-01-0200:00:002.0
Freq:6H,dtype:float64
2018-01-0100:00:001
2018-01-0106:00:001
2018-01-0112:00:001
2018-01-0118:00:001
2018-01-0200:00:002
Freq:6H,dtype:int32
2018-01-0100:00:001
2018-01-0106:00:001
2018-01-0112:00:001
2018-01-0118:00:001
2018-01-0200:00:002
Freq:6H,dtype:int32
2018-01-0100:00:001
2018-01-0106:00:002
2018-01-0112:00:002
2018-01-0118:00:002
2018-01-0200:00:002
Freq:6H,dtype:int32
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。