如何将具有datetime索引的df重采样到n个大小相等的时段？

Question

我有一个带有日期时间索引的大型数据帧，需要将数据重新采样到10个大小相等的时段。在

到目前为止，我已经尝试找到第一个和最后一个日期来确定数据中的总天数，除以10来确定每个时段的大小，然后使用该天数重新取样。例如：

first = df.reset_index().timesubmit.min()
last = df.reset_index().timesubmit.max()
periodsize = str((last-first).days/10) + 'D'

df.resample(periodsize,how='sum')

因为periodsize是一个向下取整的整数，所以这不能保证在重采样后df中正好有10个时段。在重采样中使用float不起作用。看来要么是我遗漏了一些简单的东西，要么是我把问题搞错了。在

Answer 1

import numpy as np
import pandas as pd

n = 10
nrows = 33
index = pd.date_range('2000-1-1', periods=nrows, freq='D')
df = pd.DataFrame(np.ones(nrows), index=index)
print(df)
#             0
# 2000-01-01  1
# 2000-01-02  1
# ...
# 2000-02-01  1
# 2000-02-02  1

first = df.index.min()
last = df.index.max() + pd.Timedelta('1D')
secs = int((last-first).total_seconds()//n)
periodsize = '{:d}S'.format(secs)

result = df.resample(periodsize, how='sum')
print('\n{}'.format(result))
assert len(result) == n

收益率

^{pr2}$

0-列中的值表示聚合的行数，因为原始数据帧的值为1。由于33行不能均匀地分为10组，所以4和3的模式基本上是均匀的。在

---

解释：考虑这个更简单的数据帧：

n = 2
nrows = 5
index = pd.date_range('2000-1-1', periods=nrows, freq='D')
df = pd.DataFrame(np.ones(nrows), index=index)
#             0
# 2000-01-01  1
# 2000-01-02  1
# 2000-01-03  1
# 2000-01-04  1
# 2000-01-05  1

使用df.resample('2D', how='sum')会给出错误的组数

In [366]: df.resample('2D', how='sum')
Out[366]: 
            0
2000-01-01  2
2000-01-03  2
2000-01-05  1

使用df.resample('3D', how='sum')可以提供正确数量的组，但是 第二组从2000-01-04开始，它不均匀地划分数据帧 分成两个等距分组：

In [367]: df.resample('3D', how='sum')
Out[367]: 
            0
2000-01-01  3
2000-01-04  2

为了做得更好，我们需要以比几天更精确的时间分辨率工作。既然Timedeltas有一个total_seconds方法，让我们以秒为单位工作。所以对于上面的例子，期望的频率串应该是

In [374]: df.resample('216000S', how='sum')
Out[374]: 
                     0
2000-01-01 00:00:00  3
2000-01-03 12:00:00  2

由于5天内有216000*2秒：

In [373]: (pd.Timedelta(days=5) / pd.Timedelta('1S'))/2
Out[373]: 216000.0

好吧，现在我们需要的是一种推广的方法。我们需要索引中的最短和最长日期：

first = df.index.min()
last = df.index.max() + pd.Timedelta('1D')

我们多加了一天，因为这会让不同的日子变得不同。在 在上面的例子中，2000-01-05的时间戳之间只有4天 以及2000-01-01

In [377]: (pd.Timestamp('2000-01-05')-pd.Timestamp('2000-01-01')).days
Out[378]: 4

但是，正如我们在示例中看到的，DataFrame有5行代表5 天。所以我们需要多加一天。在

现在，我们可以计算出每个等间距组的正确秒数：

secs = int((last-first).total_seconds()//n)