1 簡(jiǎn)介

我們?cè)谑褂?code>pandas分析處理時(shí)間序列數(shù)據(jù)時(shí)，經(jīng)常需要對(duì)原始時(shí)間粒度下的數(shù)據(jù)，按照不同的時(shí)間粒度進(jìn)行分組聚合運(yùn)算，譬如基于每個(gè)交易日的股票收盤價(jià)，計(jì)算每個(gè)月的最低和最高收盤價(jià)。

而在pandas中，針對(duì)不同的應(yīng)用場(chǎng)景，我們可以使用resample()、groupby()以及Grouper()來(lái)非常高效快捷地完成此類任務(wù)。

   

2 在pandas中進(jìn)行時(shí)間分組聚合

在pandas中根據(jù)具體任務(wù)場(chǎng)景的不同，對(duì)時(shí)間序列進(jìn)行分組聚合可通過(guò)以下兩類方式實(shí)現(xiàn)：

2.1 利用resample()對(duì)時(shí)序數(shù)據(jù)進(jìn)行分組聚合

resample原始的意思是「重采樣」，可分為「上采樣」與「下采樣」，而我們通常情況下使用的都是「下采樣」，也就是從高頻的數(shù)據(jù)中按照一定規(guī)則計(jì)算出更低頻的數(shù)據(jù)，就像我們一開始說(shuō)的對(duì)每日數(shù)據(jù)按月匯總那樣。

如果你熟悉pandas中的groupby()分組運(yùn)算，那么你就可以很快地理解resample()的使用方式，它本質(zhì)上就是在對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行“分組”，最基礎(chǔ)的參數(shù)為rule，用于設(shè)置按照何種方式進(jìn)行重采樣，就像下面的例子那樣：

import pandas as pd

# 記錄了2013-02-08到2018-02-07之間每個(gè)交易日蘋果公司的股價(jià)
AAPL = pd.read_csv('AAPL.csv', parse_dates=['date'])

# 以月為統(tǒng)計(jì)窗口計(jì)算每月股票最高收盤價(jià)
(
    AAPL
    .set_index('date') # 設(shè)置date為index
    .resample('M') # 以月為單位
    .agg({
        'close': ['max', 'min']
    })
)

   

可以看到，在上面的例子中，我們對(duì)index為日期時(shí)間類型的DataFrame應(yīng)用resample()方法，傳入的參數(shù)'M'是resample第一個(gè)位置上的參數(shù)rule，用于確定時(shí)間窗口的規(guī)則，譬如這里的字符串'M'就代表「月且聚合結(jié)果中顯示對(duì)應(yīng)月的最后一天」，常用的固化的時(shí)間窗口規(guī)則如下表所示：

且這些規(guī)則都可以在前面添加數(shù)字實(shí)現(xiàn)倍數(shù)效果：

# 以6個(gè)月為統(tǒng)計(jì)窗口計(jì)算每月股票平均收盤價(jià)且顯示為當(dāng)月第一天
(
    AAPL
    .set_index('date') # 設(shè)置date為index
    .resample('6MS') # 以6個(gè)月為單位
    .agg({
        'close': 'mean'
    })
)

   

且resample()非常貼心之處在于它會(huì)自動(dòng)幫你對(duì)齊到規(guī)整的時(shí)間單位上，譬如我們這里只有交易日才會(huì)有記錄，如果我們?cè)O(shè)置的時(shí)間單位下無(wú)對(duì)應(yīng)記錄，也會(huì)為你保留帶有缺失值記錄的時(shí)間點(diǎn)：

(
    AAPL
    .set_index('date') # 設(shè)置date為index
    .resample('1D') # 以1日為單位
    .agg({
        'close': 'mean'
    })
)

   

而通過(guò)參數(shù)closed我們可以為細(xì)粒度的時(shí)間單位設(shè)置區(qū)間閉合方式，譬如我們以2日為單位，將closed設(shè)置為'right'時(shí)，從第一行記錄開始計(jì)算所落入的時(shí)間窗口時(shí)，其對(duì)應(yīng)為時(shí)間窗口的右邊界，從而影響后續(xù)所有時(shí)間單元的劃分方式：

(
    AAPL
    .set_index('date') # 設(shè)置date為index
    .resample('2D', closed='right')
    .agg({
        'close': 'mean'
    })
)

   

而即使你的數(shù)據(jù)框index不是日期時(shí)間類型，也可以使用參數(shù)on來(lái)傳入日期時(shí)間列名實(shí)現(xiàn)同樣的效果。

2.2 利用groupby()+Grouper()實(shí)現(xiàn)混合分組

有些情況下，我們不僅僅需要利用時(shí)間類型列來(lái)分組，也可能需要包含時(shí)間類型在內(nèi)的多個(gè)列共同進(jìn)行分組，這種情況下我們就可以使用到Grouper()。

它通過(guò)參數(shù)freq傳入等價(jià)于resample()中rule的參數(shù)，并利用參數(shù)key指定對(duì)應(yīng)的時(shí)間類型列名稱，但是可以幫助我們創(chuàng)建分組規(guī)則后傳入groupby()中：

# 分別對(duì)蘋果與微軟每月平均收盤價(jià)進(jìn)行統(tǒng)計(jì)
(
    pd
    .read_csv('AAPL&MSFT.csv', parse_dates=['date'])
    .groupby(['Name', pd.Grouper(freq='MS', key='date')])
    .agg({
        'close': 'mean'
    })
)

   

且在此種混合分組模式下，我們可以非常方便的配合apply、transform等操作，這里就不再贅述。