理解Pandas中日期时间的重新采样

Question

我有一个关于数据框重新采样的问题。

import pandas as pd
df = pd.DataFrame([['2005-01-20', 10], ['2005-01-21', 20], 
                   ['2005-01-27', 40], ['2005-01-28', 50]],
                   columns=['date', 'num'])

# Convert the column to datetime 
df['date'] = pd.to_datetime(df['date'])

# Resample and aggregate results by week
df = df.resample('W', on='date')['num'].sum().reset_index()

print(df.head())
# OUTPUT: 
#         date  num
# 0 2005-01-23   30
# 1 2005-01-30   90 

一切都按预期运行，但我希望更好地理解这里的resample()、['num']和sum()到底是做什么。

问题 #1

为什么会发生以下情况：

df.resample('W', on='date')的结果是DatetimeIndexResampler。

df.resample('W', on='date')['num']的结果是pandas.core.groupby.SeriesGroupBy。

df.resample('W', on='date')['num'].sum()的结果是

date
2005-01-23    30
2005-01-30    90
Freq: W-SUN, Name: num, dtype: int64

问题 #2

是否有一种方法可以在不重新采样的情况下产生相同的结果？例如，使用 groupby。

- Konstantin

Answer 1

答案1

1. 根据文档，.resample返回一个Resampler对象。因此，由于date是日期时间对象，所以您会得到DatetimeIndexResampler。

2. 现在，您会得到<pandas.core.groupby.SeriesGroupBy，因为您正在寻找基于Resampler对象从数据帧中获取Series。

   顺便提一下，

   df.groupby([pd.Grouper(key='date', freq='W-SUN')])['num']也将返回<pandas.core.groupby.SeriesGroupBy。

3. 现在，当您执行.sum()时，您将获得数据帧请求轴上的总和。您得到一个Series，因为您正在计算pandas.core.series.Series的总和。

答案2

您可以使用groupby结合Grouper来实现以下结果：

df.groupby([pd.Grouper(key='date', freq='W-SUN')])['num'].sum()

输出：

date
2005-01-23    30
2005-01-30    90
Name: num, dtype: int64

- harvpan

---

谢谢您的回复！在第2步中，我们是否检索了之前按“日期”分组的列？如果我们检索多个列，不仅仅是“num”，我们可以为不同的列使用不同的聚合方法，比如“sum()”和“mean()”吗？ - Konstantin

@Konstantin，是的，你可以拥有任意数量的列。应用 .sum() 或 .mean()。例如，如果你有另外一列名为 val。你可以使用 df.resample('W', on='date')[['num', 'val']].sum() 来获取这两列的总和。 - harvpan

但是是否可能对其中一个使用.sum()，而对另一个使用.mean()呢？ - Konstantin

@Konstantin，当然可以。https://dev59.com/kmUq5IYBdhLWcg3wY_ka - harvpan

@Konstantin 很高兴能帮助你。祝你编程愉快。 - harvpan