asfreq和resample之间的区别

asfreq和resample之间的区别

让我用一个例子来说明：

# generate a series of 365 days# index = 20190101, 20190102, ... 20191231# values = [0,1,...364]ts = pd.Series(range(365), index = pd.date_range(start='20190101',     end='20191231',    freq = 'D'))ts.head()output:2019-01-01    02019-01-02    12019-01-03    22019-01-04    32019-01-05    4Freq: D, dtype: int64

现在，按季度重新采样数据：

ts.asfreq(freq='Q')output:2019-03-31     892019-06-30    1802019-09-30    2722019-12-31    364Freq: Q-DEC, dtype: int64

将

asfreq()

返回一个

Series

与每个季度在它的最后一天对象。

ts.resample('Q')output:DatetimeIndexResampler [freq=<QuarterEnd: startingMonth=12>, axis=0, closed=right, label=right, convention=start, base=0]

重新采样返回a

DatetimeIndexResampler

，您将看不到实际内容。将其视为

groupby

方法。它创建一个

bins

（组）列表：

bins = ts.resample('Q')bin.groupsoutput: {Timestamp('2019-03-31 00:00:00', freq='Q-DEC'): 90, Timestamp('2019-06-30 00:00:00', freq='Q-DEC'): 181, Timestamp('2019-09-30 00:00:00', freq='Q-DEC'): 273, Timestamp('2019-12-31 00:00:00', freq='Q-DEC'): 365}

到目前为止，除了返回类型外，没有什么不同。让我们计算每个季度的平均值：

# (89+180+272+364)/4 = 226.25ts.asfreq(freq='Q').mean()output:226.25

当

mean()

施加时，它输出平均的所有值。请注意，这不是每个季度的平均值，而是每个季度最后一天的平均值。

要计算每个季度的平均值：

ts.resample('Q').mean()output:2019-03-31     44.52019-06-30    135.02019-09-30    226.52019-12-31    318.5

您可以执行功能更强的 *** 作

resample()

比

asfreq()

。

想想

resample

为

groupby

+每一个方法，你可以调用后

groupby

（例如，平均值，总和，应用，你的名字）。

可以将其

asfreq

视为

fillna()

功能有限的过滤器机制（在fillna（）中，您可以指定

limit

，但asfreq（）不支持它）。